TSPLIB数据集，一共包括144个TSPlib的数据集，包括已知最优解

模拟退火算法的Python实现。除此之外，还有这些算法的集合：差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、免疫优化算法、鱼群算法

遗传算法，粒子群优化，模拟退火，蚁群优化算法，免疫算法，人工鱼群算法，差分进化和TSP（旅行商）scikit-opt群体智能化Python（遗传算法，粒子群优化，模拟退火，蚂蚁）殖民地算法，免疫算法，Python中的人工鱼群算法）文档：https：//scikit-opt.github.io/scikit-opt/#/en/文档：https://scikit-opt.github.io/scikit -opt /＃/ zh /源代码：https://github.com/guofei9987/scikit-opt帮助我们改进scikit-opt https://www.wjx.cn/jq/50964691.aspx install pip install scikit-opt对于当前的开发人员版本：

修改下最下面的路径信息。这是转载来的java代码。只是将网络上的资源进行整合。

旅行商问题，即TSP问题（Traveling Salesman Problem）是数学领域中著名问题之一。假设有一个旅行商人要拜访N个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值，这是一个NP难问题。

介绍了遗传算法、蚁群算法、模拟退火算法、粒子群算法等职能算法的基本原理及其具体应用情况！素材内包含PPT讲义以及Matlab仿真程序，可供大家学习参考！

TSP问题的遗传算法 C#

TensorFlow代码实现霍普菲尔德网络(Hopfield)解决20个城市旅行商问题(TSP)，旅行商问题 TSP 是一个典型的组合优化问题，并且是一个 NP 完全问题，其可能 Hamilton 圈的数目是顶点的数目 n 的指数函数，所以一般很难精确地求出其最优解。所谓组合优化问题，是指在离散的，有限的数学结构上，寻找一个满足给定条件，并使其目标函数值达到最小或最大的解。一般来说，组合优化问题通常带有大量的局部极值点，通常是非线性的 NP 完全问题。其最先起源于一个旅行商要访问他所有的客户，要发现一条最短的路线。用用图论的术语来说，旅行商问题就是在赋权完全图上找一个权最小的 Hamilton 圈。但是，首先从应用上来说，很多实际应用问题，如印制电路板的、连锁店的货物配送路线等，经简化的处理后，均可转化为旅行商问题TSP。

遗传模拟退火算法源程序-chapter4 program.rar 觉得好的顶下哦，处女贴啊！

本站以C语言和Java语言、嵌入式开发、算法实现为主，源码数量达几十万个，有200多个分类，很多都是本站会员的私家珍藏，互联网上其他地方是找不到的