应用模拟退火算法解决0-1背包问题 里面有我的举例说明 也有程序运行后的截图

该实验使用模拟退火算法求取函数的最小值，matlab自编程实现。该实验可以观察到搜索点的过程，也可以自行修改参数。

TSP (旅行商) 问题是运筹学和最优化理论等领域的经典问题,它已证明是NP(Nondeterministic Polynomial)完全问题,到目前为止, 所有的NP完全问题都还没有多项式时间算法。TSP问题的求解算法通常分为两类:一类是精确求解;另一类是近似求解。 本实验要求采用启发式搜索算法求解TSP问题的近似解，采用C系列语言编程实现。

TSPO_GA 开放式旅行商问题 (TSP) 遗传算法 (GA) 通过设置找到 TSP 变体的（接近）最优解搜索最短路线的 GA（推销员的最短距离） 只前往每个城市一次而不返回起始城市） 概括： 1. 一名推销员前往每个城市但没有关闭回到他出发的城市的循环2. 每个城市只被推销员访问一次 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离/成本矩阵- POPSIZE（标量整数）是人口的大小（应该可以被 4 整除） - NUMITER（标量整数）是算法运行所需的迭代次数- SHOWPROG（标量逻辑）如果为真则显示 GA 进度- SHOWRESULT（标量逻辑）如果为真则显示 GA 结果- SHOWWAITBAR（标量逻辑）如果为真则显示等

MTSPO_GA 开放多旅行商问题 (M-TSP) 遗传算法 (GA) 通过设置找到 M-TSP 变体的（接近）最优解向上 GA 搜索最短路线（所需的最短距离） 推销员到每个城市只走一次，而不必返回他们的城市起始位置） 概括： 1. 每个推销员都前往一组独特的城市（尽管没有他们通过返回起点来结束循环） 2. 每个城市只有一名推销员到访 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个城市到城市距离或成本的 NxN 矩阵- NSALESMEN（标量整数）是访问城市的推销员数量- MINTOUR（标量整数）是任何推销员的最短游览时间- POPSIZE（标量整数）是人口的大小（应该可以被 8 整除） - NUMITER（标量整数）是算法运行所需的迭代次数- SH

TSPOFS_GA 固定开始 开放式旅行商问题 (TSP) 遗传算法 (GA) 通过设置找到 TSP 变体的（接近）最优解搜索最短路线的 GA（推销员的最短距离） 从固定起点到其他城市恰好一次而无需返回起始城市） 概括： 1. 单个推销员从第一个点开始，然后前往每个剩下的城市，但不通过返回到关闭循环他开始的城市2. 每个城市只被推销员访问一次 注：Fixed Start 取第一个 XY 点 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离/成本矩阵- POPSIZE（标量整数）是人口的大小（应该可以被 4 整除） - NUMITER（标量整数）是算法运行所需的迭代次数- SHOWPROG（标量逻辑）如果为真则显示 GA 进度- SHOW

TSPOF_GA 固定开放式旅行商问题 (TSP) 遗传算法 (GA) 通过设置找到 TSP 变体的（接近）最优解搜索最短路线的 GA（推销员的最短距离） 在访问另一个时从固定起点旅行到固定终点城市恰好一次） 概括： 1.单个销售员从第一个点开始，到最后一个点结束点，然后前往中间的每个剩余城市，但是没有通过返回他开始的城市来关闭循环2. 每个城市只被推销员访问一次 注：Fixed Start 取第一个 XY 点，Fixed Start End 被认为是最后一个 XY 点 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离/成本矩阵- POPSIZE（标量整数）是人口的大小（应该可以被 4 整除） - NUMITER（标量整数）是算法运行所

MTSPOFS_GA 固定启动开放多旅行商问题 (M-TSP) 遗传算法 (GA) 通过以下方式找到“开放”M-TSP 变体的（接近）最优解设置 GA 以搜索最短路线（所需的最短距离） 让每个推销员从起点到独特的个体城市而不返回起始位置） 概括： 1. 每个推销员从第一个点开始，然后前往一个独特的点之后的一组城市（并且它们都没有关闭循环回到起点） 2. 除了第一个，每个城市只有一个推销员 注：Fixed Start 取第一个 XY 点 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个城市到城市距离或成本的 NxN 矩阵- NSALESMEN（标量整数）是访问城市的推销员数量- MINTOUR（标量整数）是任何一个的最小游览长度推销员，不包括起点- POPS

MTSPF_GA 固定多重旅行商问题 (M-TSP) 遗传算法 (GA) 通过设置找到 M-TSP 变体的（接近）最优解向上 GA 搜索最短路线（所需的最短距离） 每个推销员从起点到各个城市然后回到原来的起点） 概括： 1. 每个推销员都是从第一个点开始，到第一个点结束点，但旅行到中间的一组独特的城市2. 除了第一个，每个城市只有一个推销员 注意：Fixed Start/End 位置被视为第一个 XY 点 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个城市到城市距离或成本的 NxN 矩阵- NSALESMEN（标量整数）是访问城市的推销员数量- MINTOUR（标量整数）是任何一个的最小游览长度销售员，不包括起点/终点- POPSIZE（标量整数）是人口

遗传算法解决TSP旅行商问题 python，带图像输出，可自行修改经纬度。