模拟退火（SA）、遗传算法（GA）、粒子群优化（PSO）解决旅行商问题（TSP）实验

计算智能遗传算法实现旅行商问题，用初始化，交叉，变异，轮赌算法实现

程序为matlab程序,使用遗传算法尝试求解旅行商这类NPC问题。实测结果不错,期待各位朋友共同改进。

运用java语言实现的用遗传算法解决旅行商问题，注视清晰。可根据自己需要修改交叉算子和变异算子

本资源是Mgasa算法解决TSP问题的Matlab代码，资源中包括mgasa_main(Mgasa算法解决TSP问题代码)，mgasa_fitness(适应度求取函数代码)，mgasa_anneali

遗传算法、禁忌搜索、模拟退火、蚁群算法 解决三十个城市的旅行商问题python实现

禁忌搜索算法解决旅行商问题（TSP），求解全国31个省会城市的一次历遍的最短距离

粒子群算法解决TSP问题，里面有详细的代码介绍以及相应的数据附件。

估价函数为f(n)=h(n)+g(n)。其中h(n)表示已经走过的实际路程。g(n)表示未走过路程到终点（起点）最短的距离。

模拟退火算法解决tsp问题，内含画图代码，tsp标准数据集拟退火算法(SimulatedAnnealing，简称SA)的思想最早是由Metropolis等提出的。其出发点是基于物理中固体物质的退火过程

将模拟退火和遗传算法相结合用于聚类分析，两种算法可以相互取长补短