本资源为使用蚁群算法来优化路径，并使用在具体的旅行商问题上，主函数将寻优过程和收敛曲线绘图显示

用C++实现最大最小蚁群算法求解旅行商最优路径问题。

完整代码，可直接运行

— 时间最优路径参数化 (TOPP) 是机器人技术中一个经过充分研究的问题，具有广泛的应用。 解决 TOPP 的方法主要有两个系列：数值积分 (NI) 和凸优化 (CO)。 基于 NI 的方法速度快但难以实现并且存在稳健性问题，而基于 CO 的方法更稳健但同时速度明显较慢。 在这里，我们提出了一种基于可达性分析（RA）的 TOPP 新方法。 关键见解是通过求解小型线性规划 (LP) 递归地计算路径上离散位置处的可达和可控集。 由此产生的算法比基于 NI 的方法更快，并且与基于 CO 的方法一样稳健（100% 成功率），这已通过广泛的数值评估得到证实。 此外，所提出的方法提供了独特的额外好处：可接受的速度传播和对参数不确定性的鲁棒性可以以简单自然的方式从中得出。

3个限制，具体内容请看作者博客。使用遗传算法。

针对障碍环境下空间最优路径分析问题，提出了一种基于量子粒子群优化的空间最优路径分析方法。该方法采用栅格法进行环境建模，利用量子粒子群优化算法参数少、收敛速度快、鲁棒性好、能够较好地收敛于全局最优点等优点，搜索一条无障碍路径。仿真实验结果验证了该方法的有效性，是在障碍环境中寻找一条空间最优路径的一种较好的方法。

针对传统网络控制与转发的紧耦合，其路径分配算法的全局性差、实时性不足，根据软件定义网络的集中控制，提出一种基于马尔可夫链负载均衡（Markov chain-load balancing，MC-LB）算法。该算法使用马尔可夫链的转移概率计算链路重要性，并同时对业务流请求量和网络负载均衡率两个目标进行优化，获得多请求下的最优路径分配。通过大量实验对比表明，该算法优于传统SPF（shortest path first）算法，最大可以增加网络负载均衡率30%，提升网络业务流请求接受率20%，达到了负载均衡效果，提高了网络的性能。

#内容注释较少但条例较为清楚 方法具体可参考b站凸优化解决路径规划问题 该程序解决最优路径和装箱问题 拓扑结构可参考txt扩展

C语言公交最优路径查询数据结构（附设计报告，完整代码）.doc

针对民航物流运输受飞行燃油消耗、尾气排放和环境保护的影响，文中提出了一种基于A*算法的民航物流运输路径优化算法。文中综合考虑天气、环境污染、巡航重量、巡航高度和巡航速度的影响，构建了危险天气下民航物流运输路径优化模型与尾迹最小的航路优化模型，并使用A*算法进行求解得到最优的飞行器航行路径。在不同实验条件和两种仿真飞行路径中进行的仿真与测试结果表明，所提出的方法能够最小化各种影响因素的加权和，实现民航物流路径的最优规划。同时相对于传统算法，所提出算法能够得到更理想的优化结果。