用粒子群算法求解旅行商问题,实现离散与连续的转化,充分发挥粒子群算法优势
定性地分析了基本粒子群算法,结合遗传算法思想,构造了3种杂交和4种变异运算法则,从而得到了12种混合粒子群算法,并采用14城市算例对其检验和分析。为进一步验证混合算法的性能,根据分析结果挑选了几种较优
本资源是南京航空航天大学大学计算机专业《图论与代数》或《离散数学》必做的大作业,里面是tsp问题求解,采用最小临近法与最小生成树法进行模拟解决。本资源涵盖源代码以及完备的文档说明,可以直接下载使用。
旅行商问题,即TSP问题(Travelling Salesman Problem)又译为旅行推销员问题、货郎担问题,是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市,他必须选择所要走的路径,
针对最小化流水车间调度总完工时间问题,提出了一种混合的粒子群优化算法(HybridParticleSwarmAlgorithm,HPSA),采用启发式算法产生初始种群,将粒子群算法、遗传操作以及局部搜
针对静止无功发生器(SVG)对无功检测的实时性、准确性的要求,基于三相瞬时无功功率理论,利用TMS320F2812完成了对电网无功电流的全数字化高精度检测。首先给出了硬件电路设计图,其次利用F2812
研究了一种基于最大模糊熵高斯聚类的实时图像目标跟踪算法:在目标初始信息(位置、速度)已知的情况下,应用最大模糊熵高斯聚类的方法进行跟踪窗内测量点融合,将融合后的点输入到Kalman滤波器中进行预测目标
针对蚁群算法求解旅行商问题时易陷入局部最优和收敛速度慢的问题,提出一种新的求解旅行商问题的混合量子蚁群算法。该算法采用量子比特的概率幅对各路径上的信息素进行编码,采用量子旋转门及蚂蚁走过的路径对信息素
基于改进PSO和Tabu的混合算法,李勇刚,邓艳青,针对粒子群优化(PSO)算法在优化过程中容易早熟和局部寻优能力差,禁忌搜索(TS)算法依赖于初始解等问题,研究两者的优势和不足�
作为新兴的智能算法,蝗虫优化算法在作业车间调度问题中的应用符合智能制造的趋势。但由于全局寻优能力不足,基本蝗虫优化算法(GOA)在解决作业车间调度问题(JSP)时容易陷入局部最优,导致收敛精度较低。为
