用改进的遗传算法求解中国旅行商问题

遗传算法是基于生物进化原理的普适性全局优化算法．针对一类NP完全的组合优化问题一旅行商问题，提出用交换算子操作和模拟退火思想对遗传算法进行改进，显著提高了算法的优化效率．到目前为止，中国旅行商问题的最优解是15426km．使用改进的遗传算法，仅利用城市间的距离信息求解中国旅行商问题，得到了15409km的更优结果．

基于蚁群算法的中国旅行商问题满意解

蚁群算法是基于群体合作的一类仿生算法 ,适合于解困难的离散组合优化问题。本文对其做了适当的改进 ,以克服其求解速度过慢、容易出现停滞的缺陷 ,并将其用于解决中国旅行商问题 ,找到了目前已知的最好的解 。

用MATLAB实现中国旅行商问题的求解

本文利用遗传算法的全局搜索能力进行组合优化问题求解,针对中国旅行商问题(CTSP),设计一种大比例的优秀个体保护的大变异遗传算法,并使用MATLAB语言进行了实际的编程求解,编程中的各个模块分别实现了复制、交叉、变异等关键环节。用编制的程序快速求解出了满意的结果,用本文设计的大变异遗传算法的思路和编制程序是正确的,而且本文算法的求解速度是非常快的。

用MAX_MIN蚂蚁算法解决中国旅行商问题

简要阐述了中国旅行商问题,介绍了MAX_MIN蚂蚁算法的原理和其在蚁群算法上的改进,使用M A X_M I N蚂蚁算法解决该问题,最后的试验结果证明该方法在解决这种问题上是有效的。

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛。采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况。

进化策略与蚁群算法融合的求解旅行商问题

针对进化策略收敛速度快但容易陷入早熟收敛以及最大最小蚂蚁系统求解能力强但收敛速度较慢的特点,将进化策略与最大最小蚂蚁系统融合,并利用最大最小蚂蚁系统求出每一步迭代的最优解,再对迭代出最优解进行进化策略中的变异操作来加快解的收敛速度。将所提出的算法应用到中国旅行商问题(CTSP)的实际应用中,其结果显示出优越性。

最优化问题的蚁群混合差分进化算法研究

在最优化问题求解中,针对采用混合差分进化算法中突变运算的不同选择产生结果存在较大差异,同时提高算法收敛速度与避免早熟,提出在混合差分进化法中,使用蚁群算法进行选择适当的突变运算,加速搜寻全局解,并通过中国旅行商问题的求解表明其有效性。

CTSP问题稳态小生境算法的研究及仿真实现

提出了一种求解中国旅行商问题(CTSP)的稳态小生境遗传算法SNGA。SNGA算法在稳态遗传算法的基础上采用物种保存小生境替换策略,在改善算法的在线性能、离线性能和计算量的同时,有效的维持了群体的多样性,从而可避免群体出现早熟现象,增强群体在进化后期产生优良模式的能力。在具体实现中,SNGA算法采用链表染色体编码,这样就可以对染色体进行快速的基本遗传算子以及倒位算子的遗传操作,进一步提高算法的实现性能。此外采用C++语言和基于COM的MapObjects组件技术实现了基于上述算法的仿真软件GISCTSP,并对国家基础地理信息系统(NFGIS)1400万中国行政中心数据文件res1_4m进行了仿真分析。

暂态混沌神经网络的算法改进及其在TSP中的应用

根据暂态混沌神经网络所具有的通过负反馈系数对神经网络引入退火机制,并通过网络动态运行中系数的不断减少来使网络从初期的混沌状态收敛到稳定收敛状态的特点,将其应用到中国31个省会城市的旅行商问题中。针对应用中所存在的解决较大数目的组合优化问题不易收敛到最优解的情况,将暂态混沌神经网络和传统的启发式算法相结合,提出一种组合算法。给出了改进算法的具体设计以及应用实施的步骤,并对应用结果进行了性能对比分析。

蚁群算法解决CTSP问题的参数设置研究

由于蚁群算法中参数较多,设置不同的参数值对计算结果的影响很大,目前在参数设置方面尚缺乏足够的理论基础。对蚁群算法的基本原理及CTSP问题的解决进行了详细介绍,重点讨论分析了蚁群算法中的各个参数对其性能的影响以及参数的合理设置,并尝试采用参数循环组合的枚举方式对CTSP问题进行了求解,获得了更优的计算结果。

求解TSP问题的一种改进遗传算法

TSP问题是典型的NP完全问题,遗传算法是基于生物进化论的一种全局优化搜索算法。文中针对TSP问题传统遗传算法的缺点,提出了一种改进的遗传算法,并且给出选择、交叉和变异操作的设计。最后,以该算法求解中国旅行商问题(C-TSP)为例,表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。