一个计算TSP问题模拟退火算法的小例子，并能绘制结果和迭代过程图。

非数值并行算法（第一册）——模拟退火算法，计算方法方向的一部经典著作。

灾情巡视 建模论文 程序部分 包括 模拟退火 遗传算法 神经网络（详细）

利用模拟退火算法，基于最优下线编码方式，对矩形件进行下料处理。

利用MATLAB退火算法解决0-1背包问题。数据直接在主函数内，如有需要，直接替换即可

退火算法求解cvrp问题的matlab代码及相关运算案例，代码绝对可靠

模拟退火算法求解VRPTW问题，内附MATLAB源代码以及相关运算案例

首先，数学建模比赛一般分为优化类型的题目和数据分析或评价类的题目，需要3-4天提交一篇论文，三个成员需要有一名写手、一名编程人员和一名统筹调度（建模和想思路）人员，这三人的调度和论文撰写工作最好都要熟悉。是对题目的解答，而论文包括：摘要、问题重述、问题分析、模型假设、符号说明、模型的建立与求解、模型的评价、模型的改进与推广、参考文献、附录几大部分，最关键的是摘要，摘要写的不好，论文直接pass掉。 而如果摘要写的还可以，就是论文格式和所用的模型了，三人均需要熟练掌握OFFICE软件，EXCEL可以处理数据，里面的一些公式和函数一定要会，Word也要熟练掌握，尤其是其中的mathtype公式编辑器，要求所有的公式都需要用公式编辑器输入。编程人员需要熟练掌握Matlab、SPSS、Lingo，都很简单。

模拟退火 遗传算法 粒子群算法 鲁棒性强

粒子群优化算法（ Particle Swarm Optimization ， PSO ） [7] 是由 R.C.Eberhart 博士和心 理学家 J.Kennedy 博士在 1995 年提出的一种新兴的群体智能的启发式全局搜索算法。粒 子群算法是运用微机模拟自然界中飞禽捕食的行为，在模拟的过程中群体中的每一动物 称为微粒。粒子群算法的主要是通过研究群体中微粒之间的怎样信息共享才能更快的找 到食物，在具体的过程中群体的每个微粒都有自己的飞行速度和空间位置，当群体中微 粒发现食物时向群体传递信息，如果有多个微粒都发现了自己的食物则通过群体的优化 来确定那个微粒的食物是最佳的选择，以确定整个群体的下一步动作。在优化算法的过 程中每个微粒自身的最佳空间位置和飞行速度称为个体最优位置（ pbest ），在整个群体 中有一个微粒的位置是全局中的最佳位置称为全局最优（ gbest ），粒子群应用于解决多 个目标时通常选取全局最优作为群体的最佳方案。