基于遗传算法求解TSP问题，内容详细，包含遗传算法和TSP问题的讲解，具体实现子代码、完整代码以及每行的详细解释

人工智能实验，包括八数码问题八皇后问题和tsp问题。。。。。。

采用蚁群算法计算货郎担通过 34 个城市一次回到原点的最短距离 可短时间解决这个 NP 难的 TSP 问题 内含运行文件生成的两张图 注释较详细

基于遗传算法的TSP问题，一共有19个点，在其中找到最优路径。代码可直接运行，代码具体问题情境在知乎专栏：https://zhuanlan.zhihu.com/p/39291470 欢迎关注~

遗传算法matlab程序、资料、工具

模拟退火算法与遗传算法结合及多目标优化求解研究模拟退火算法与遗传算法结合及多目标优化求解研究模拟退火算法与遗传算法结合及多目标优化求解研究

模拟退火算法模拟退火算法模拟退火算法模拟退火算法

Introduction 复现了一些TSP问题的相关算法，对TSP数据集st70.tsp进行了测试，并对此测试数据调整了参数，开箱即用。 Algorithms 动态规划(DP) 遗传算法(GA) 粒子群算法(PSO) 模拟退火算法(SA) 蚁群算法(ACO) 自适应神经网络(SOM) 禁忌搜索算法(TS) 指针网络(Pointer-network)[pytorch版本复现] Tips 遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作 粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉 模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量 蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多 自适应神经网络核心

论了传统模拟退火算法的原理、求解过程，详细地分析了它存在的局限，简单叙述了模拟退火算法中关键参数对该算法性能的影响，并给出了该算法的可行的改进方案

《非数值并行算法》内容包括:模拟退火算法、并行模拟退火算法、渐进收敛法、冷却进度表、模拟退火算法的应用、改进合变异、boltzmann机及其在组合优化中的应用。