马周游及旅行商问题

蚁群算法用于求解旅行商问题。该算法完整，可以运行。

旅行商问题(Traveling Salesman Problem,TSP)是组合优化领域中著名的 NPhard问题, 具有较为广泛的工程应用和现实生活背景, 如印刷电路钻孔、飞机航线的安排、公路网络的

中国科学院大学智能控制作业,使用Matlab,包含模拟退火遗传算法,普通遗传算法,自适应遗传算法,附有注释和代码说明txt

基于PSO-ACO的多旅行商最优路径规划，结果是在给定1000次迭代的条件下得到的，我们还增加了ACO不是最佳参数配置的算法模型的最大运行次数。试验结果表明：对于不是最佳参数配置的算法模型，即使再增加

给出一个n*n的棋盘，一个放在棋盘某个位置上的马是否可以恰好访问每个方格一次，并回到其实位置上？运用回溯算法和贪心算法实现。效率高。

蚁群算法应用于旅行商问题的经典应用。程序由MATLAB2018b编写完成,内附详尽注释。

某售货员要到若干城市去推销商品,已知各城市之间的路程(或旅费)。他要选定一条从驻地出发,经过每个城市一遍,最后回到驻地的路线,使总的路程(或旅费)最小。

配送收集旅行商问题的改进算法,杨贺宏,,针对配送收集旅行商问题的模拟退火算法,本文提出一种改进算法—渐升温回火退火算法。通过对三种规模的配送收集旅行商问题的仿真

att48数据,里面包含了48个城市的坐标,主要用于解决旅行商问题的

分析了多目标问题的性质&提出一种在多个目标间权衡的评价指标’用一种较新的进化算法%蚂蚁算法来解决 多目标问题’对算法的实现进行了讨论’