作为经典组合优化问题， 旅行商问题(Traveling Salesman Problem简称TSP) 一直是大学交通运输与应用数学等专业的教学与科研热点。在基于混合整数规划模型的TSP求解中， 需要解决如何避免出现子环路问题， Gurobi作为当前最先进的运筹优化软件， 其具有的Callback功能使模型在求解过程中， 动态地添加子环路约束成为可能。文章针对当前相关网络资源存在的问题， 构建了用Python编写的基于Callback功能动态添加子环路消除约束的TSP求解代码， 通过多个算例验证了代码的求解可行性， 为逐步将Gurobi引入课堂教学提供了素材。

基于人工免疫算法的旅行商问题研究，丁蕾，叶炳，旅行商问题（TSP）是计算数学中研究最为深入的问题之一，它是一个典型的组合优化问题，在实际中的应用非常广泛，而且长期以来被作

一个旅行商问题算法的可视化演示程序。使用的实现语言是C++

旅行商问题是一类典型的NP完全问题，目前存在多种算法可以求取TSP问题的近似解，如贪心算法、最小生成树法等。遗传算法是解决NP问题的一种较理想的方法。内有完整可运行调试完毕代码，附有详细文档报告。

0积分下载，代码运行效果图见压缩包

BSO-旅行商问题-优化求解

http://simulations.narod.ru/ 二维平面中有一组城市（点）。 每个城市都有通往每个城市的道路。 我们需要找到在每个城市只出现一次且路径长度最小的循环路径。 有很多不同长度的路径。 一条路径可以与另一条路径交叉并变异。 请参阅 description.docx 。 运行 tsp_ga_gui.m 要运行无 GUI 版本，请在子文件夹 no_gui_version 中运行 tsp_ga.m

MATLAB源程序11 连续Hopfield神经网络的优化-旅行商问题优化计算.zip

TSP问题的求解方法 利用--遗传算法GA--求解组合优化问题，TSP旅行商问题 城市经纬度数据：mytsp/xx.csv文件 DW.py：绘图类 TSP_GA.py：主程序

采用PSO粒子群优化算法求解TSP旅行商问题 1、输入数据为bayg29.tsp 2、城市数量citycount为29，种群规模Pop_Size为30，迭代次数为500，学习因子 c1、c2取2，惯性权重因子w取0.8，粒子速度最大值绝对值取3.0； 3、运行main.cpp，即可得到最优路径及对应的最短距离，同时粒子群初始化的结果和每次迭代后种群各粒子的路径和距离都会输出到result.txt中。