分别为以下5种情况： 1.从不同起点出发回到起点（固定旅行商数量） 2.从不同起点出发回到起点（旅行商数量根据计算可变） 3.从同一起点出发回到起点 4.从同一起点出发不会到起点 5.从同一起点出发回到同一终点（与起点不同）

在当前目录建议一个文本文件用于建立个城市之间距离矩阵

子旅行商问题及其蚁群求解算法.pdf

- 基于人工蜂群算法的TSP（旅行商）问题 - 可以根据要求自己修改城市坐标 - 注释很详细

- 基于灰狼优化算法的TSP（旅行商）问题 - 可以根据要求自己修改城市坐标 - 注释详细

- 基于模拟退火算法的TSP（旅行商）问题 - 可以根据要求自己修改城市坐标 - 注释很详细

- 基于多种群智能优化算法：人工蜂群算法、模拟退火算法、帝国竞争算法、蚁群算法、灰狼优化算法 来解决旅行商问题（TSP问题） - 可以根据要求，自己修改城市坐标 - 注释很详细 - 多份代码的合集，价格更优惠

- 基于经典蚁群算法的旅行商问题（TSP问题） - 本套代码中城市坐标随机生成，也可以根据要求自己设置城市坐标 - 有注释

TSP ( T raveling Sales man Prob lem) 旅行商问题是一类典型的 NP完全问题, 目前大多采 用遗传算法求解。差分进化算法 ( D i fferent i a l Evolution A lgorith m, DE ) 作为一种新型的进化算 法, 与遗传算法有很多相似之处。提出用改进的差分进化算法解决 TSP问题。采用基于整数序 规范的辅助算子解决变异问题, 并引入刘海交叉算子。实验结果表明该方法有效地提高了算法 的收敛速度与寻优质量, 表现出了良好的特性。

针对当前城市配送对象呈现多频次、小批量的特点，配送路线的合理安排问题日益突出，为了优化配送路线，建立了城市配送TSP问题的数学模型，并用LINGO软件进行编程，提出了一种通用的TSP的快速求解方法，通过实例验证了模型的正确性和程序求解的有效性。