一种改进的遗传算法及其在旅行商问题中的应用共2页.pdf.zip

一个简单的TSP问题A*算法求解的程序，用C++编写，总共有四个类

一个旅行商问题算法的可视化演示程序。使用的实现语言是C++

算法课旅行商问题用c语言写的，这是一个实验报告

方便与地理信息系统行业的开发人员在路径分析尤其是在旅行商分析方面提更参考

TSP问题是典型的NP完全问题，遗传算法是求解NP完垒问题的一种理想方法文章针对解决TSP问题．提出使用改进的遗传算法，即用浓度控制选择策略以保证群体的多样性，用贪婪交叉算子和启发式倒位变异算子来提高

用Hopfield神经网络求解TSP，连续Hopfield神经网络的能量函数的极小化过程表示了该神经网络从初始状态到稳定状态的一个演化过程。如果将约束优化问题的目标函数与连续Hopfield神经网络的

有时间约束的旅行商问题作为旅行商问题的拓展,是一个重要的NP难题,深入研究这一问题具有重要 的理论和实践意义。将时间窗约束转化为目标约束,采用序列编码设计了基于启发式规则的可同时处理软、硬 时间约束的

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

Baltamatica北太天元项目聚焦于解决旅行商问题，其核心方法之一是采用模拟退火算法。这一算法灵感来源于金属退火的物理过程，通过模拟材料在高温下逐渐冷却的过程，找到全局最优解。在旅行商问题中，目标

提出了针对广义旅行商问题（GTSP）的混合染色体遗传算法（HCGA）。目前，广义染色体遗传算法（GCGA）是求解GTSP问题的最好方法，但这种方法在编码设计上存在不足，使得算法全局搜索能力较差。在GC