基于遗传算法求解旅行商问题

提出一种基于生物进化论的寻优方法－－遗传算法,用以求解名的组合优化难题－－旅行商问题,此算法与传统求解TSP问题的方法相比,具有简单、强壮、高效、高速的特点,每次皆可收到一个满意的结果,若不考虑内存限制,原则上对任何规模的对称欧几里德平面TSP问题具有通用性。     

基于eM-plant的旅行商问题仿真研究

运用遗传算法对旅行商问题(TSP)进行分析,确定其具体运行步骤.结合Em-plant软件添加遗传算法模块,对所作出的分析进行仿真,求出可能最优解,以验证分析的可行性.仿真结果说明,遗传算法解决旅行商问题是有效的.     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法（ACA）与遗传算法（GA）都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题（TSP）中。本文将两种算法进行融合,并给出了新的融合方式。实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度。     

用遗传算法求解旅行商问题

论述了用遗传算法求解旅行商问题（TSP）的算法步骤,给出了在MATLAB环境下用遗传算法解决旅行商问题的具体程序设计．将此算法应用到6个旅行商问题中,并将得到的运行结果与用弹性网络得到的结果进行了比较,发现用遗传算法得到的结果与最优解较为接近．     

求解配送＼收集旅行商问题的遗传算法

配送\收集旅行商问题（TSPD）是物流学中的一个重要问题，但与一般的旅行商问题（TSP)相比，人们对该问题的研究有限，而且大多假定必须在完成所有的配送需求后才服务收集需求。本文放松这一约束条件，结合最邻近启发式和k-opt局域搜索策略，设计了一种求解TSPD的遗传算法，计算结果表明，该算法性能优良，计算效率较高。     

用分支定界算法求解旅行商问题

在0—1整数规划的基础上建立了数学模型,利用MATLAB6．5优化工具箱中的linprog函数进行求解,再经过分支定界算法计算,求出了只含有0和1的解．实验结果表明,该算法可以求解小规模旅行商问题．     

基于改进遗传算法求解旅行商问题

为解决用基本遗传算法求解旅行商问题过程中保持群体多样性能力较差问题，提出了一种改进遗传算法．算法的主要改进手段是：通过二交换法来构造初始种群，以提高寻找到最优解的速度：用改进交叉算子进行交叉操作，避免了种群过早成熟．仿真结果验证了改进遗传算法的良好性能．     

基于模拟退火算法旅行商问题的并行实现

旅行商问题属于ＮＰ难题，不存在多项式时间的算法。提出一个基于模拟退火算法求解旅行商问题的算法，并在并行设计环境Ｍｕｌｔｉ－ｐａｓｃａｌ中加以实现。     

求解旅行商问题的改进k-opt遗传算法

为了增强遗传算法的局部搜索能力,加速算法运行效率,尽量避免算法陷入早熟问题,提出一种改进k-opt遗传算法求解旅行商问题。该算法利用改进的k-opt方法初始化获得较优种群,引入改进的交叉变异机制增强算法全局搜索能力,结合改进的k-opt方法强化算法局部搜索能力。实验结果表明,改进的k-opt遗传算法能有效平衡算法探索和开发能力,其求解的质量优且运行效率高。     

旅行商问题的近似求解算法

在最近邻法、k-变换策略和贪心算法的基础上,尝试设计效率较高的产生旅行商问题较优可行解的方法。将3变换邻域分成两种结构（称为3_1和3_2变换邻域）考虑,设计以下算法：利用最近邻法产生初始当前最优解;然后依次在当前最优解的3_2、3_1、2变换邻域中寻找更优的局部最优解成为当前最优解,直到结果没有改进。利用算法对一些经典的实例进行实验,依次将每个城市作为出发地,在多项式时间O（n^4）得到的最优解与给定的最优解相对误差在1%内。     

货郎担问题与单亲遗传算法

用单亲遗传算法解组合优化的货郎担问题 ,给出了基因重组的换位 ,移位和倒排等概率操作方法。通过 9节点的算例 ,证实了该算法对组合优化问题是可行的 ,有较快的收效速度。但过早的收敛将影响结果精度 ,使全局优化解的出现机率很小。为此 ,对染色体种群的个体数量 ,终止条件的选取等进行了算值实验 ,并提出了计算终止的 2个准则 ,计算结果表明合理的收敛条件 ,可以使寻优过程充分 ,所得的解为全局最优解的可信度大为提高。     

一种求解TSP问题的改进遗传算法

遗传算法(GA)是基于生物进化论的一种全局优化搜索算法,是求解TSP问题的一种方法,但它存在如何较快地找到最优解并防止"早熟"收敛的问题.结合TSP问题最优解一般包含城市与其最近城市的相连的特点,提出了贪婪两点插入变异算子,改进了启发式杂交算子,并根据个体适应度与群平均适应度根据个体的适应度赋予不同的变异概率,使得较好的个体探测路径,较差个体开发新个体.对初始群体作局部优化提高其质量加快算法的收敛速度,最优个体连续几代一直保留,则采用局部微调算子使子代中的最优个体跳离局部解.通过实验分析,改进的算法能较快的收敛到TSP问题的已知最优解;其测试结果与国际标准测试库TSPLIB中的最优路径相比,或接近或优于.     

改进遗传交叉算子求解TSP

遗传算法中的交叉步骤最根本的作用就是要使子代继承父代的优秀基因。根据TSP问题的特点考虑了用遗传算法求解TSP问题中遇到的交叉算子，构造出一种能很好继承父代优秀基因的交叉算子。实例计算表明该算法在收敛速度快的同时，具有较强的全局搜索能力。     

多目标相关分类的遗传算法

通过对遗传算法的中间结果的分析,改进了自然数编码的遗传算法操作流程,并把它应用到多目标的相关分类问题上,算例表明,应用是成功的。     

求解TSP问题的改进最大最小蚁群算法

针对基本蚁群算法搜索时间长,易产生停滞现象等缺点,提出一种求解旅行商问题的改进最大最小蚁群算法.通过对有优质解的蚂蚁个体所走路径的信息素τ的最大最小值进行固定及信息素的更新方式的改变,可以避免在算法运行过程中信息素轨迹的差异过大.仿真结果表明,该改进算法有更高的执行效率和更好的计算稳定性.     

基于局部搜索机制快速求解TSP问题的自适应遗传算法

提出了一种基于局部搜索机制快速求解TSP的遗传算法.基于局部搜索机制,自适应地将标准遗传算法与局部启发式算法结合,使得局部启发式算法只在有效改善种群个体质量的情况下才允许执行,有效地避免了因局部搜索次数过多而引起的陷入局部最优和计算负担过重现象的发生.仿真结果表明,该算法具有较强的全局优化能力及较快的收敛速度,在求解TSP问题时有较高效率.     

双重容量约束的定位-路线问题的启发式算法

为了有效求解集成化物流中的双重容量约束的定位-路线问题,设计了两阶段的启发式算法。算法的第一阶段解决了配送中心定位和客户群分配问题,算法的第二阶段采用禁忌搜索算法优化车辆的行车路线,并通过算例验证了算法的可行性和有效性。     

Search for circular and noncircular critical slip surfaces in slope stability analysis by hybrid genetic algorithm简

A local improvement procedure based on tabu search （TS） was incorporated into a basic genetic algorithm （GA） and a global optimal algorithm, i.e., hybrid genetic algorithm （HGA） approach was used to search the circular and noncircular slip surfaces associated with their minimum safety factors. The slope safety factors of circular and noncircular critical slip surfaces were calculated by the simplified Bishop method and an improved Morgenstern-Price method which can be conveniently programmed, respectively. Comparisons with other methods were made which indicate the high efficiency and accuracy of the HGA approach. The HGA approach was used to calculate one case example and the results demonstrated its applicability to practical engineering.     

回归蚁群算法

针对基本蚁群算法在收敛速度和求解精度方面的不足,提出一种回归蚁群算法．通过外加牵引力使得蚂蚁按照城市的整体分布规律寻优,增加了算法的全局收敛性．并通过圈地算法,减少了局部搜索的计算量．多个旅行商问题的仿真结果验证了该方法的可行性和高效性．