本专区汇聚了各类基于 旅行商问题 开发的源码资源，共计 373 篇资源供开发者免费下载学习。
GA通用算法。适于Tsp。使用自然编码。需要自行设定代价函数。需要Matlab2010B以上版本。调试通过。带画图功能。如有问题，欢迎来邮件问询。
使用蚁群算法的条件： 1能够用一个图来阐述将要解决的问题 2能够定义一种正反馈过程 3问题本身能提供解题用的启发式信息 4能够建立约束机制蚁群算法 matla
这是一个特殊的 matlab 代码为坐求解 tsp 问题的蚁群算法求解 berlin52 这种算法使用导入数据读取文本的距离和位置的城市和 excel 文件，然后使用蚁群算法
TSP_GA旅行商问题（TSP）遗传算法（GA） 通过建立GA搜索查找到一个TSP（近）的最佳解决方案 最短路径（用于业务员前往最小距离 每个城市恰好一次，并返回到开始地点）
介绍组合优化是找到对于问题的一大组离散的可能的解决方案的最佳解决方案的过程中。这样的优化可以用来解决在资源管理，运营管理和质量控制的问题，例如路由，调度，填料，生产管理和资源分配。
旅行商问题：旅行商问题（TSP）的目标是找到城市给定数量的游览，参观每个城市恰好一次，并返回出发城市，游览的长度减到最小。在TSP是一个NP难问题，因此，除非我们解决了一个近似的结
利用神经网络解决组合优化问题是神经网络应用的一个重要方面。所谓组合优化问题，就是在给定约束条件下，使目标函数极小（或极大）的变量组合问题。将Hopfield网络应用于求解组合优化问
TSP (旅行商问题—Traveling SalesmanProblem)，是典型的NP完全问题，即其最坏情况下的时间复杂性随着问题规模的增大按指数方式增长，到目前为止不能找到一
改进的进化规划算法，将进化规划算法与模拟退火算法想结合，用于解决旅行商问题，并采用高斯变异和柯西变异两种变异方式。
利用 matlab 的蚁群优化算法有助于学生学习如何找到最小的路径在旅行商问题
1.用蚁群算法解决TSP问题，考虑了多目标叠加下的蚁群算法优化思想； 2.首先基于路程最短进行路径规划； 3.其次基于费用最省进行路径规划； 4.基于两种目标组合下的
蚁群算法最初是由Dorigo等人提出[3 ] ,是一种求解组合优化问题的新型通用启发式方法。该方法的主要特点是正反馈、分布式计算以及富于建设性贪婪启发式搜索。正反馈有助于快速发现较