用分支限界法求解旅行商问题

使用遗传算法求解中国旅行商问题（31个城市），数据从文件中（网上找到）读取。求得的最好结果是：15397.5km（不是每次都能有这个解）,比介绍算法的人工智能上说的15404km略短，编程环境Visu

介绍了求解旅行商问题的几种算法，进行了相应的比较研究。

项目概述该项目使用遗传算法解决旅行商问题 (TSP)。TSP的目标是找到访问一组城市的最短路径，并且每个城市只访问一次。MATLAB 代码文件压缩文件包含用于运行遗传算法的 MATLAB 代码，

一种求解tsp问题的新算法 希望对大家有所帮助

结合遗传算法、蚁群算法和模拟退火算法的思想, 提出用混合粒子群算法来求解著名的旅行商问题. 与模拟 退火算法、标准遗传算法进行比较, 24 种混合粒子群算法的效果都比较好, 其中交叉策略D 和变异策略

对解旅行商问题的模拟退火算法作了改进,增加了产生新解的函数,修改了原算法计算旅行回路总长度的代价函数,并用混沌随机序列替代不适宜的随机函数.从而用Turbo c实现了改进算法.实验表明,改进算法对于解

代码只是用模拟退火算法解决旅行商问题的demo，代码中有详细的注解。

java用遗传算法解决旅行商问题

用模拟退火算法解决旅行商问题,节点数为144个,耗时较长。

旅行家要旅行5个城市,要求各个城市经历且仅经历一次然后回到出发城市,并要求所走的路程最短,其代价矩阵如下(INF表示不可达) 试求出最小代价,并输出对应的路径。