使用人工鱼群算法很好的实现TSP问题，代码备注清晰

作为经典组合优化问题， 旅行商问题(Traveling Salesman Problem简称TSP) 一直是大学交通运输与应用数学等专业的教学与科研热点。在基于混合整数规划模型的TSP求解中， 需要解决如何避免出现子环路问题， Gurobi作为当前最先进的运筹优化软件， 其具有的Callback功能使模型在求解过程中， 动态地添加子环路约束成为可能。文章针对当前相关网络资源存在的问题， 构建了用Python编写的基于Callback功能动态添加子环路消除约束的TSP求解代码， 通过多个算例验证了代码的求解可行性， 为逐步将Gurobi引入课堂教学提供了素材。

介绍了模拟退火算法在背包问题中的应用步骤，以及程序实现方法。

蚁群算法是一种用来寻找优化路径的概率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法求解tsp问题代码，后缀改为.zip后使用

Tsp标准测试集+遗传算法和迭代邻域搜索的java代码，代码内部有详细的注释和应用，求解效果不错！！！值得学习

TSP问题的遗传算法（GA）、动态规划（DP）和蚁群算法（PSO）的python实现（含报告） 包含遗传算法的word报告，代码都可以跑通，安装必须依赖即可。 本实验课程是计算机、智能、物联网等专业学生的一门专业课程，通过实验，帮助学生更好地掌握人工智能相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力； 使用蚁群优化算法或者粒群优化算法求解TSP问题。

动态规划,分治算法,概率算法,模拟退火算法,搜索算法,贪婪算法,网上matlab,遗传算法,组合算法.

挺好的学习资料，注释也很明白。 代码截选： ”%遗传算法求解TSP问题(为选择操作从新设计后程序) %输入： %D 距离矩阵 %NIND 为种群个数 %X 参数是中国34个城市的坐标(初始给定) %MAXGEN 为停止代数，遗传到第MAXGEN代时程序停止,MAXGEN的具体取值视问题的规模和耗费的时间而定 %m 为适值淘汰加速指数,最好取为1,2,3,4,不宜太大 %Pc 交叉概率 %Pm 变异概率 %输出： %R 为最短路径 %Rlength 为路径长度 clear clc close all %% 加载数据 load Cityposition1.mat; X=X; D=Distanse(X); %生成距离矩阵 N=size(D,1); %城市个数 %% 遗传参数 NIND=100; %种群大小 MAXGEN=200; %最大遗传代数 Pc=0.9; %交叉概率 Pm=0.05; %变异概率 GGAP=0.9; %代沟 %% 初始化种群 Chrom=InitPop(NIND,N); %% 画出随机解的路径图 DrawPath(Chrom(1,:),X) pause(0.0001) %% 输出随机解的路径和总距离”

用于解决旅行商问题的TSP算法，输入为城市信息，输出为旅行员路径

用c++实现的基于免疫算法/遗传算法的连通图最短哈密顿回路（TSP问题）求解，并支持记录迭代过程与画图。注释应有尽有，各项参数可调，结构清晰且难度较低，适合通过代码对经典免疫算法进行学习。