基于模拟退火算法的TSP算法

旅行商问题_TSP_的改进模拟退火算法。

在标准模拟退火算法基础上，将搜索单个邻域改为多个邻域，同时将搜索到的当前最优作为初始路径重复执行退火过程。

针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然

通过分析传统模拟退火算法的原理和存在的不足，提出了一个用于求解TSP问题的改进模拟退火算法。新算法增加了记忆当前最好状态的功能以避免遗失当前最优解，并设置双阈值使得在尽量保持最优性的前提下减少计算量。

解决TSP的各种算法（遗传、蚁群，禁忌搜索，模拟退火等等）

模拟退火算法在tsp问题中的应用研究毕业设计

.tsp文件读入,模拟退火算法函数接口,测试文件,运行结果全在里面了 Simulated annealing is a greedy algorithm, but its search process

简单的利用模拟退火算法求解函数f(x)=(x-2)^2+4的最小值，入门级程序，简单明了，适合单步调试，理解算法的运行机制

详细介绍粒子群算法的由来、发展等等，而且也有英文介绍。

将模拟退火算法应用于神经网络中，可解决神经网络算法易陷入局部极小和收敛速度慢的问题