对于数学建模来说，智能算法有很大的用处，我们可以用智能算法求解优化问题，智能算法按照一定的概率随机选取数值

由于直接发表博客不能完全显示图片，故上传资源源文档。此文当中包含代码，可运行，可以实现车间调度，并配有完整的描述

在原有传统的遗传算法上进行改进，加入了精英主义和模拟退火的方法（比较简单），但算法的效率极高，相比之前大有改观。

这段代码使用了模拟退火的思想解决TSP问题。在这个仿真实验中解决了自定义的20个城市的TSP问题，在设定合适参数后每次的运行中都能得到一个比较理想的结果。 Main.m文件是程序入口。 Data_file.m文件设置自定义的城市数据。 Swapcities.m文件中包含随机交换两个城市的函数。 Plotcities.m文件中包含将城市数据在二维平面上表示的函数。 Distance.m文件中包含计算城市距离的函数，用来解决旅行商问题。 Simulatedannealing.m文件中包含模拟退火算法。这部分是程序的主体，我参考了许多讨论关于模拟退火算法方面的论文。

遗传算法、禁忌搜索、模拟退火、蚁群算法 解决三十个城市的旅行商问题python实现

文档为利用模拟退火算法优化BP神经网络的权值和阈值的matlab代码，效果显著

本代码为用Java实现的模拟退火求解旅行商问题，希望对大家有帮助

通过模拟退火法求解整数非线性规划问题，可以多次调节参数获得最优值，仅作为参考。

使用模拟退火算法解决旅行商问题（TSP） 运行环境 - python2.7 - 默认是9个城市，城市由邻接矩阵表示，为了方便邻接矩阵由代码随机生成

模拟退火算法来源于固体退火原理，是一种基于概率的算法，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。