粒子群算法解决TSP问题的关键在于全局最优值的定义和本次种群最优值的定义，本算例通过对点的位置进行最优值的定义，每次迭代各个点以概率的形式朝着全局最优和本次最优靠近。程序可直接运行，有部分程序说明。
2023-03-10 21:07:12
4KB
1
设计了基于标准差分进化算法differential evolution, DE与遗传算法genetic algorithm, GA的混合差分进化算法hybrid DE, HDE, 同时用典型的测试函数对HDE进行性能测试。针对旅行商问题traveling salesman problem, TSP的求解难题, 给出了采用位置—次序转换策略和HDE的有效求解方法, 并测试了Oliver 30个城市的TSP。仿真结果表明, 与DE和GA相比, HDE的优势在收敛率、平均最优解以及耗时上都很明显, 证明了HDE在解决TSP问题上的有效性和稳定性。
2023-02-24 10:11:16
1.31MB
1
智能算法（蚁群算法）求解1000个城市的TSP问题Python代码，附详细注释+原始tsp问题的csv文件，有限时间内完成运行。
包含两种蚁群算法的实现代码，以及三种数据集，（51+280+1000）个城市。
2023-01-31 22:37:25
27KB
1
基于蚁群算法求解TSP问题的研究，吴璇，，蚁群算法(ant colony optimization, ACO)，是一种用来在图中寻找优化路径的机率型技术，其利用多样性和正反馈性机制能够进行分布式并行查找
2023-01-03 09:02:00
240KB
1
要求
python3
matplotlib（须藤apt-get install python3-matplotlib）
资源
2022-12-30 14:16:41
383KB
1