旅行商问题（TSP）的测试样例。城市的表示方法包括邻接矩阵表示和坐标点表示这两种。

某推销员要从城市v1 出发，访问其它城市v2，v3，…，v6 各一次且仅一次，最后返回v1。D 为各城市间的距离矩阵。 问：该推销员应如何选择路线，才能使总的行程最短？ 此代码是用动态规划方法，Linux下g++编译通过

TensorFlow代码实现霍普菲尔德网络(Hopfield)解决20个城市旅行商问题(TSP)，旅行商问题 TSP 是一个典型的组合优化问题，并且是一个 NP 完全问题，其可能 Hamilton 圈的数目是顶点的数目 n 的指数函数，所以一般很难精确地求出其最优解。所谓组合优化问题，是指在离散的，有限的数学结构上，寻找一个满足给定条件，并使其目标函数值达到最小或最大的解。一般来说，组合优化问题通常带有大量的局部极值点，通常是非线性的 NP 完全问题。其最先起源于一个旅行商要访问他所有的客户，要发现一条最短的路线。用用图论的术语来说，旅行商问题就是在赋权完全图上找一个权最小的 Hamilton 圈。但是，首先从应用上来说，很多实际应用问题，如印制电路板的、连锁店的货物配送路线等，经简化的处理后，均可转化为旅行商问题TSP。

临时制TSP 这是使用蒙特卡洛树搜索（MCTS）解决旅行商问题（TSP）的源代码。 纸 如果您想了解更多详细信息，请参阅我们的论文“通过蒙特卡罗树搜索TSP的扩大邻域目标抽样” 。 依存关系 gcc> = 4.8.5 计算平台：Linux 快速开始 为了使用MCTS解决具有20个节点的TSP实例： cd $download -dir cd TSP-20-50-100 bash solve-20.sh 32 用法 数据集 我们的模型分别在两个数据集TSP-20-50-100和TSPLib上进行了测试，可从以下网站下载该数据集： 多线程 如果更快地解决TSP实例，则可以充分利用CPU。 默认情况下，我们基于32个线程来处理它们： cd $download -dir cd TSP-20-50-100 bash solve-20.sh 32 顺便说一下，我们的多线程方案仅适用于TSP-2

实现的功能比较差，所有的量都已规定好，只是用遗传算法对其进行选择复制、交叉、变异操作，得到的只是近似有解。

针对TSP问题的两种模型建立了模型，两种模型已经配置好，直接运行即可。 TSP问题对于很多模型都有很高的适用性，所以稍微把模型修改一下即可成为自己的模型，对于毕业设计是不错的选择。 这个模型可移植性也较高

c#进行了可视化编程，采用对话框的形式，能够随机生成测试数据和生成数据规模，对测试结果进行图示，显示函数曲线，并能够保存测试数据！！

利用利用Hopfield神经网络解决旅行商问题（TSP），开发平台为matlab

多旅行商问题matlab代码，一共五种类型，可以直接使用。固定起点终点任意旅行商，返回起点的多次旅行商，任意起点终点旅行商，等。

旅行商问题是一个经典的问题，此代码用三种方法（枚举法，回溯法，贪心法），并可以对这三种方法进行比较 旅行商问题是一个经典的问题，此代码用三种方法（枚举法，回溯法，贪心法），并可以对这三种方法进行比较