遗传算法TSP_CUDA 一种遗传算法，可使用CUDA体系结构（GPU）为TSP（旅行商问题）找到最佳解决方案。 这是我在USF进行的并行和分布式处理课程的最后一个项目，与Berkeley在2015年Spring发布的“并行计算机的应用程序”一起完成的。该项目的目的是使自己熟悉遗传算法的设计和实现，重点是学习如何在CUDA架构以及C ++的OpenMP库上编写并行代码。 概述： 该项目将在德克萨斯大学奥斯汀分校的Stampede.tacc超级计算机上运行。 该代码在踩踏群集的单个节点上运行，此刻使用Nvidia的CUDA调用单个GPU。 在CUDA中，执行内核（GPU功能），并由块和线程组成。 每个块最多可以有1024个线程，每个内核可以有〜65000个块。 我设计了一种算法，以便在每个GPU上创建一个填充，该填充由启动内核的NTHREADS * NBLOCKS组成。 例如，在一个流行

Christofides算法 Christofides算法是一种算法，用于在距离形成度量空间（它们对称且服从三角形不等式）的情况下，找到旅行商问题的近似解。 它是一种近似算法，可确保其解在最佳解长度的3/2范围内，并以Nicos Christofides的名字命名，后者于1976年发布。截至2017年，这是具有被证明对一般度量空间旅行商问题，但更好的近似值是已知的一些特殊情况下， 算法的基本步骤： 查找最小生成树（T） 在T中以奇数（O）查找顶点 找到最小的重量匹配（M）边到T 使用M和T的边缘建立欧拉回路 通过跳过重复的顶点来建立哈密顿回路 Python实现 在文件christofid

模拟退火算法应用实例

Travelling salesman problem algorithm in matlab code. Algorithm with Computational complexity theory.

用邻接表解决的TSP变形问题（带权值求最长路径）

通过蚁群算法实现对于TSP（旅行商问题）的求解，关于蚁群算法中的各个参数的含义和公式可在我的博客中找到

基于遗传算法的TSP问题，解决旅行商问题

将旅行商问题写成数学规划的具体形式，实现旅行商问题的数学规划模型

基于模拟退火的算法思想，运用matlab对tsp问题进行了智能求解。其中是源码，清晰配有注释，内容简单明了且富有深度。

用visual studio c++ 用遗传算法解决TSP问题