遗传算法求解tsp问题实验报告.pdf

针对旅行商问题（Travelling Salesman Problem，TSP）的遗传算法的大规模操作，需要大量运算时间而且容易造成局部最优解，提出一种并行混合遗传算法。该方法基于MPI并行环境，利用种群中选择、交叉、变异操作的并行化，将种群中个体平均的分配到处理器中进行操作，有效地避免局部最优解的出现和减少算法的运行时间。实验证明该方法相对于简单遗传算法具有更强全局寻优能力以及耗费更少的操作时间。

MATLAB程序-基于连续型Hopfield神经网络求解TSP问题

- 基于人工蜂群算法的TSP（旅行商）问题 - 可以根据要求自己修改城市坐标 - 注释很详细

- 基于灰狼优化算法的TSP（旅行商）问题 - 可以根据要求自己修改城市坐标 - 注释详细

- 基于模拟退火算法的TSP（旅行商）问题 - 可以根据要求自己修改城市坐标 - 注释很详细

- 基于多种群智能优化算法：人工蜂群算法、模拟退火算法、帝国竞争算法、蚁群算法、灰狼优化算法 来解决旅行商问题（TSP问题） - 可以根据要求，自己修改城市坐标 - 注释很详细 - 多份代码的合集，价格更优惠

- 基于经典蚁群算法的旅行商问题（TSP问题） - 本套代码中城市坐标随机生成，也可以根据要求自己设置城市坐标 - 有注释

给出了TSP的一个多项式近似算法，其运算量为O（n3）。

针对当前城市配送对象呈现多频次、小批量的特点，配送路线的合理安排问题日益突出，为了优化配送路线，建立了城市配送TSP问题的数学模型，并用LINGO软件进行编程，提出了一种通用的TSP的快速求解方法，通过实例验证了模型的正确性和程序求解的有效性。