用粒子群算法求解tsp问题

用粒子群算法解决01背包问题，C语言编写，可直接运行并得到最优解

对一个初始解，在一种领域范围内对其进行一系列变化，从而得到许多候选解，从而得到许多候选解，从这些候选解中选出最优候选解，将候选解对应的目标值与“best so far”状态进行比较，若是优于“best

多目标搜索算法相对于单目标算法来说,更加贴近于实际问题,求解结果更具有参考价值。通过多目标搜索算法最终得到的不是一个最优解,而是一个非劣解集,需要从非劣解集中根据实际问题的需要选择一个解作为该问题的最

为求解车辆路径问题提出一种改进的混沌粒子群优化算法。该算法在基本混沌粒子群优化算法（CPSO）基础上，引入逻辑斯特函数，对惯性权重因子w进行非线性调整，提高了算法的寻优能力，有效避免了算法陷入局部最优

针对高校教室调度问题进行了研究,综合考虑教室集中时间利用率和学生需求,采用三元组方式,用任务表示课程,用设备表示不同类型的教室。据此,教室排课问题被描述为一类以最小化Cmax与滞后时间和为调度目标,具

量子粒子群算法在求解车辆路径问题时一定程度上解决了基本粒子群算法收敛速度不够快的缺点，但是量子粒子群算法仍然存在容易陷入局部最优的缺点。利用混合量子粒子群算法对车辆路径问题进行求解，运用量子粒子群算法

针对粮堆温度模型中的众多参数难以确定的问题，提出基于粒子群算法的粮堆温度模型参数优化方案。实验结果表明，模型应用经过优化的参数能准确地计算出粮堆内部温度，与实际测量温度误差不大。该方法可以优化复杂条件

：引入粒子群优化算法求解非线性方程组，利用粒子群优化算法所具有的群体智能和记忆功能，较快地 求解复杂非线性方程组的最优解，克服了牛顿一拉普辛方法求解该类问题时对初值的敏感性以及需要函数求 导的困难，同

可直接运行，程序包含目标函数，和约束条件，直接修改即可

采用对基本粒子群优化算法引入遗传操作来提高种群多样性，这样虽能避免产生局部极小，但收敛速度会降低，通过加入收缩因子来达到两者的均衡。优化和仿真结果表明改进算法性能更优，能有效地解决公交车辆的智能排班问