一种适用于求解旅行商问题的新型算法性能分析

二点组合算法是求解旅行商问题（TSP）的一种环路改造算法,与蚁群算法相比,时间复杂度、计算精度等性能皆优于后者,实际应用结果表明本算法在解决中小规模旅行商问题时的实用性。     

蚁群和遗传混合算法求解旅行商问题

旅行商是应用广泛的优化组合问题,采用蚁群和遗传混合算法解决旅行商问题,利用遗传算法的交叉、变异机制解决蚁群算法易出现局部最优解的问题,将混合算法在VBA环境调试运行。混合算法与蚁群算法、遗传算法仿真数据比较,混合算法具有较好改进效果。     

一种新的基于并行蚁群算法的旅行商问题求解方法的研究

分析了旅行商问题,结合蚁群算法的群体的协作与学习能力,提出了一种基于蚁群算法的的旅行商并行计算模式．该算法根据蚁群的本质特征,并结合计算中通讯的开销,采用了粗粒度模型,并引入变异思想,能够提高算法的收敛速度,以获得更好的优化解．通过旅行商问题的仿真实验获得的结果表明,该算法对于蚁群算法具有较好的改进效果,能够很好地解决旅行商一类的问题问题求解。     

旅行商问题的DNA算法

旅行商问题是求仅一次遍访指定城市并返回出发城市的最短旅行路线的问题,它是图论中一个经典的NP完全问题,用电子计算机需要指数级的时间才能得到解决,该文基于分子生物技术并利用Adleman-Lipton模型给出旅行商问题的DNA算法,这个DNA算法理论上能在多项式的时间内解决这个NP完全问题。具体地对n个城市的旅行商问题,首先将它视为一个具有顶点和边的图,并将顶点、边分别用DNA链编码表示,边的方向通过顶点的编码获得;再将这些DNA链投放在试管中进行生物化学反应,利用DNA计算的高效并行性,通过基本的生物实验操作最后得到旅行商问题的解,其过程的复杂度为O(n)。该算法的创新之处在于表示城市和路径的DNA链长度的设计,能使我们在合理小的范围内寻找旅行商问题的解,较大地简化了问题的复杂度。     

一种较快的求解旅行商问题的演化算法

一种较快的求解旅行商问题的演化算法,应用该算法求解VLSI制造中一个与旅行商问题相关的实例和求解卡塔尔194个城市的最短巡回问题,都得到了高质量的解。     

SizeScale:求解旅行商问题(TSP)的新算法

旅行商（TSP）问题是组合优化中最典型的NP－Hard问题之一，目前关于该问题的启发式算法主要分布为两类：环路构造算法和环路改进算法，对于第1类算法，首次提出了在环路构造中成批加入顶点，同时在构造过程对环路进行局部优化的思想，由上得到了一种新的算法：SizeScale-Construct，它的解质量极大地改进了现有的环路构造算法，对于2类算法，在分析局部最优解与全局最优解之间关系的基础上，提出了另一个采用局部最优解的交集作为初始环路的新算法：SizeScale-Improve，实验结果表明该算法在解的质量和求解速度上都较大地改进了现有最好的环路改进算法；另一方面，理论上对于最坏情况和平均情况时间复杂度的分析表明这两个算法是实用的。     

子旅行商问题及其蚁群求解算法

扩展旅行商问题是根据实际需要对传统旅行商问题的一种延伸和拓展,在实际问题中有许多有趣的应用。提出一种新的扩展旅行商问题(子旅行商问题),传统旅行商问题仅仅是子旅行商问题的一种特例。然后根据子旅行商问题的定义对蚁群系统算法进行改造,设计了一种有效的求解子旅行商问题的蚁群算法,并根据子旅行商问题的特点设计了一种高效的邻域局部搜索技术来提高解的质量。最后在10个TSPLIB范例上进行比较实验。结果表明:改进的蚁群算法能够有效求解提出的子旅行商问题,设计的邻域局部搜索技术是有效的。     

确定TSP全局最优解部分边的蒙特卡罗模型

旅行商问题求解模型和方法具有广泛的理论和应用价值,如何简化问题是提高问题求解效率的有效手段之一.通过对问题优化解集及优化解之间关系和性质分析,建立了高概率确定问题全局最优解中部分边的蒙特卡罗模型.利用该模型建立的算法可减少问题求解需进一步确定的边数量,也可用于对问题初始边集进行裁减,从而降低了问题的求解难度,提高各类基于边求解算法的计算效率,具有广泛的普适性.本文提出的模型可泛用于各种规模旅行商问题的求解中.     

论遗传算法在旅行商问题中的应用

旅行商问题是算法应用中的基本问题,遗传算法具有通用性、智能性、鲁棒性、全局性和并行性的特点,正好适合于该问题的求解。但基本遗传算法在解决旅行商问题时效率不高,并且容易陷于局部最优解。为了解决这一问题,提出了一种改进的遗传算法。文章首先对旅行商问题进行了描述,对遗传算法进行了介绍,对其中的个体选择、交叉算法等重要因素做了一定地改进。最后,用一个简单的实例对基本遗传算法和改进的遗传算法进行了比较,发现改进的遗传算法在解决旅行商问题上的效率问题上有了一定的提高。     

考虑工作量平衡的多旅行商问题及其求解

根据多旅行商问题（MTSP）特点,针对最小化各旅行商最长路线这一优化目标,提出改进蚁群算法（IACO）。最小化各旅行商最长路线考虑各旅行商的工作量平衡,更具实际应用意义。算法中信息素更新与限制遵循最大最小蚁群算法（MMAS）框架,为提高算法性能设计混合局域搜索算法。利用文献中标准算例进行检验,结果表明,所设计蚁群算法与三种遗传算法相比表现出较强竞争性。     

一个基于填充函数变换的对称TSP问题的局部搜索算法

该文提出了求对称TSP问题近优解的填充函数算法。首先，在用局部搜索算法求得对称TSP问题的一个局部极小解后，对该问题作填充函数变换得到一新的组合优化问题，新问题的局部极小解和最优解分别是原问题的局部极小解和最优解，而且在对称TSP问题的目标函数值大于或等于其目标函数当前极小值的区域中，新问题只有一个已知的局部极小解。随后用局部搜索算法求新问题的一个局部极小解，它或者是已知的局部极小解，或者是对称TSP问题的更好的局部极小解。对多个标准实例的计算试验表明，该文所构造的算法优于直接求解对称TSP问题的局部搜索算法。     

基于改进遗传算法的大规模TSP问题求解方案

TSP问题不仅描述旅行商周游城市的问题,也是许多工程领域中复杂问题的抽象形式,找到一种有效的TSP问题求解方案具有十分重要的意义。针对大规模TSP问题中最小回路代价的求解问题,提出一种基于遗传算法的大规模TSP问题的求解方案,采用分而治之的思想,并对传统遗传算法的初始化和遗传算子进行改进,提高了算法性能。多个数据集上的实验结果证明了提出的算法能够优化收敛结果,一定程度上解决过早收敛的问题。     

一种基于遗传算法求解TSP问题的优化算法

旅行商问题是组合优化的一个经典问题,也是评价算法好坏的一个标准,它要求在给定的一张图中寻找一条哈密尔顿回路,使得该回路在所有的回路中长度最短。然而,该问题是一个NP完全问题,其求解时间会随着问题规模的扩大急剧上升。因此,只能希望在允许的时间内寻求问题的一个较优的解来替代。本文借助生物学的相关理论与思想采用遗传算法对该问题进行求解,最后通过对遗传算法的进一步分析,提出了一种可行的改进算法,达到了获得较优解的目的。     

用于TSP的自适应贪婪GA算法

TSP问题是一个典型的组合优化问题,很多现实生活中的问题都可以归结为TSP问题,GA算法是一种典型的优化算法。通过对GA算法要点的分析,提出了一种自适应贪婪GA算法,以解决TSP问题。自适应适应度函数的各种定义、定理,确保了算法的正确性。通过平均复制的方法进行选择操作,使得算法不会过早地陷入局部最优。通过建立基于哈密顿回路的双向环贪婪插入算子进行交叉操作,确保了算法收敛的高效性。最后通过实例的计算分析及与传统GA算法的比较,说明了所提出的自适应贪婪GA算法在TSP研究中能够更好地发挥作用。     

PASCP在大规模TSP中的应用

蚂蚁系统是由M．Dorigo等人首先提出的一种新型的模拟进化算法，初步的研究表明该算法具有极强的鲁棒性和发现较好解的能力，但同时也存在收敛速度慢等缺点。该文提出了一种带聚类处理的并行蚂蚁系统，该算法首先将大规模TSP问题通过聚类处理分解成一些小规模，ISP问题，然后对每一个小规模TSP问题分别使用蚂蚁系统并行求解，最后将所有小规模TSP问题的解合并成TSP问题的解。对带聚类特征的大规模TSP问题的仿真实验表明该算法极大地提高了蚂蚁系统的收敛速度。     

利用改进的随机松弛法求解旅行商问题

旅行商问题是一个典型的组合优化问题,也是多种复杂问题的一种简化形式.因此,寻求一种有效的算法来求解此问题成为研究热点.随机松弛法是一种基于Metropolis迭代法求解的启发式随机搜索算法.针对该算法在求解旅行商问题时,存在易陷入局部最优的缺点,本文提出了三种不同的改进方法.即就是说,在解变换产生新解的过程中,首先,随机选择三个城市.然后,分别给出了三种不同的随机处理方法.最后,在仿真研究中,与已有方法相比,结果表明所给的三种方法的路径更短,结果更优.     

求解TSP问题的人工鱼群算法

人工鱼群算法在函数优化问题中取得了较好的应用,但在组合优化问题中的应用相对较少。因此,文中用人工鱼群算法来求解TSP问题,并与标准粒子群算法和基本遗传算法进行了比较分析。通过仿真实验对公认的TSP测试数据中算例Oliver30进行测试并与目前已知最优解进行了对比,结果表明,人工鱼群算法解决TSP问题时可以收敛到已知最优解,并且解的质量要优于标准粒子群算法和基本遗传算法。     

一种改进的求解TSP问题的近似算法

旅行商问题(TSP)是典型的具有NPC复杂性的组合优化问题。在现有求解TSP问题的2-近似算法closest-point算法基础上,通过对插入点的插入位置进行改进,提出了一种有效的近似算法最近点前后插入法(CPBOA),并采用TSPLIB中的一些典型实例对该算法进行了测试,同时与典型的常数近似比算法MST-PRIM算法和closest-point算法进行了比较。实验结果表明,该算法在求解质量上与closest-point和MST-PRIM算法相比都有很大的改进,而且速度也很快。     

求解TSP问题的拟人算法

基于贪心算法提出了一种改进的求解旅行商问题(TSP)的拟人算法.该算法采用邻域定义,主要思想是:给定一个所有城市的全排列,依此全排列的指挥用贪心算法生成一个回路.通过城市交换和城市序列平移,在当前的邻域中搜索比它更好的解,如能找到如此的解,则使之成为新的当前解,然后重复上述过程.在搜索的过程中,采取跳坑策略以跳出局部最...     

求解TSP的交配算子设计策略

旅行商问题(TSP)是一类典型的NP完全问题,遗传算法(GA)是求解这类问题的常用方法之一.由于该问题的解是一种特殊的序列,一些典型的GA交配方法在求解该问题时的性能并不理想.通过多次对比两种常用的GA交配方法与3种专门为TSP作优化的交配方法,总结了一种对旅行商问题的交配算子的设计策略,即注重对双亲的边继承以及加入适当的贪心控制策略.通过对Gr17、Oliver30、Eil51、Eil76和Krob100等测试数据进行实验,证明了在该策略的指导下改进的两种交配算子具有更好的表现.