注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 自组织神经网络求解TSP问题

  2. 一、 旅行商问题 旅行商问题(Traveling Salesman Problem，简称TSP). 商品的推销员打算从驻地出发遍访他要去的每个城市，并且每个城市只能访问一次，最后必须返回出发城市。问如何安排他对这些城市的访问次序，可使其旅行路线的总长度最短？ 旅行商问题TSP是一个典型的组合优化问题，并且是一个NP完全问题，其可能Hamilton圈的数目是顶点的数目n的指数函数，所以一般很难精确地求出其最优解。所谓组合优化问题，是指在离散的，有限的数学结构上，寻找一个满足给定条件，并使其目标函

  3. 所属分类：其它

  1. 离散粒子群算法（Discrete PSO）C语言源代码

  2. 离散粒子群算法（Discrete PSO）C语言源代码。 附带有利用D-PSO解决旅行商问题(TSP)的代码

  3. 所属分类：C

    • 发布日期：2010-11-05
    • 文件大小：48kb
    • 提供者：chenpool

  1. 蚁群算法基本实现

  2. 自仿生学创立以来，科学家们就根据生物进化的机理先后提出了多种适合于现实世界中复杂问题优化 的模拟进化算法，如：模拟退火算法(SA)、进化算法(EA)、进化规划(EP)、禁忌搜索算法(TS)、蚁群算法 (ACA)等．蚁群算法(ant colony algorithm，简称ACA)是2O世纪9O年代由意大利学者M．Dorigo等人[1圳 首先提出来的一种新型的模拟进化算法．它的出现为解决NP一难问题提供了一条新的途径．用蚁群算法求 解旅行商问题(TSP)、分配问题(QAP)、调度问题(JSP)等，

  3. 所属分类：C++

    • 发布日期：2011-10-19
    • 文件大小：7kb
    • 提供者：wanglikai91

  1. 蚁群优化算法

  2. 20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发。提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题。 20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法，是群智能理论研究领域的一种主要算法。用该方法求解TSP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间

  3. 所属分类：C/C++

    • 发布日期：2012-06-08
    • 文件大小：914kb
    • 提供者：yyl798310473

  1. TSP问题求解

  2. 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。

  3. 所属分类：C/C++

    • 发布日期：2013-08-20
    • 文件大小：490kb
    • 提供者：u011755116

  1. 遗传算法与粒子群算法的实现

  2. 本框架提供了有关粒子群算法(PSO)和遗传算法(GA)的完整实现，以及一套关于改进、应用、测试、结果输出的完整框架。 本框架对粒子群算法与遗传算法进行逻辑解耦，对其中的改进点予以封装，进行模块化，使用者可以采取自己对该模块的改进替换默认实现组成新的改进算法与已有算法进行对比试验。试验结果基于Excel文件输出，并可通过设定不同的迭代结束方式选择试验数据的输出方式，包括： 1. 输出随迭代次数变化的平均达优率数据（设定终止条件区间大于0）。 2. 输出随迭代次数变化的平均最优值数据（设定终止条件

  3. 所属分类：其它

    • 发布日期：2013-09-04
    • 文件大小：1mb
    • 提供者：u011188353

  1. 离散数学实验TSP（旅行商问题）的代码实现

  2. 离散数学实验（南京航空航天大学） 对于n阶完全带权图，使用以下两种算法获得TSP问题的近似解，并对所得结果进行比较： 1.最邻近法 2.最小生成树法

  3. 所属分类：C/C++

    • 发布日期：2017-01-20
    • 文件大小：4mb
    • 提供者：baidu_34187903

  1. 基于排序组合差分进化算法的TSP问题优化的matlab源程序

  2. 采用排序组合差分方法解决排列组合问题，构造了随机城市的TSP问题，供初学者学习使用

  3. 所属分类：专业指导

    • 发布日期：2017-11-13
    • 文件大小：4kb
    • 提供者：tigerair

  1. 蚁群算法的函数优化matlab

  2. 蚁群算法ACO是一种新型的模拟进化算法，该算法采用蚁群在搜索食物源的过程中所体现出来的寻有能力来解决一些离散系统优化中的困难问题。应经用该方法求解了旅行商问题（TSP问题）、指派问题、调度问题等，取得了一系列较好的实验结果。

  3. 所属分类：机器学习

  1. 蚁群算法，离散域，带数据，TSP,MATLAB

  2. 蚁群算法可用于求解离散域优化问题，带城市数据，可求解旅行商问题TSP,代码为MATLAB，标注清晰

  3. 所属分类：其它

    • 发布日期：2019-01-15
    • 文件大小：2kb
    • 提供者：m0_38023730

  1. 粒子群算法求解TSp问题

  2. 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

  3. 所属分类：Java

    • 发布日期：2019-05-03
    • 文件大小：6kb
    • 提供者：zsd0819qwq

  1. 改进的蚁群算法及其在Eil50问题上的检验

  2. 针对蚁群算法在开始的时候由于信息素较少导致收敛速度慢的问题,提出了一种基于图形的加权蚁群算法,它利用蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。用TSP问题的Eil50检验的结果表明新算法提高了标准蚁群算法的效率和计算结果的质量。

  3. 所属分类：其它

    • 发布日期：2020-05-30
    • 文件大小：897kb
    • 提供者：weixin_38547151

  1. 求解TSP问题的离散型萤火虫群优化算法

  2. 基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：377kb
    • 提供者：weixin_38625143

  1. 具有上限比较的蚂蚁系统算法的运行时分析

  2. 蚁群优化（ACO）的运行时分析对于理解算法在计算中的作用至关重要。 本文对蚂蚁系统算法（AS）作为旅行商问题（TSP）的一种ACO进行了运行时分析。 作者通过将最佳算法和信息素矩阵联合表示为离散的随机状态，从而将AS算法建模为吸收马尔可夫链。 AS的运行时间可以通过预期的第一击打时间（FHT）进行评估，这是平均获得全局最优解所需的最少迭代次数。 作者得出了TSP的两种经典AS算法（即蚂蚁数量系统和蚂蚁循环系统）的预期FHT的上限。 他们还以正多边形TSP（RTSP）为案例研究，并通过计算六个RT

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：679kb
    • 提供者：weixin_38702945

  1. 求解TSP 问题的离散狼群算法

  2. 通过定义反转算子, 对人工狼位置和智能行为重新进行整数编码设计, 并结合概率近邻初始化方法, 提出一种求解旅行商问题的离散狼群算法. 该算法保留了狼群算法基于职责分工的协作式搜索特性, 并较好地平衡了算法的广度开拓和深度开采能力. 采用C-TSP 问题和TSPLIB 数据库中的多组TSP 问题作为实验用算例, 并将所提出算法与其他5 种智能优化算法进行对比, 仿真结果表明, 所提出算法在求解准确率、稳定性和所需迭代次数等方面具有相对优势.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：637kb
    • 提供者：weixin_38624975

  1. 一种求解旅行商问题的进化多目标优化方法

  2. 为了克服传统小生境(Niching)策略中的参数设置难题,提出一种求解旅行商问题的进化多目标优化方法:建立以路径长度和平均离群距离为目标的双目标优化模型,利用改进非支配排序遗传算法(NSGAII)进行求解.为了在全局探索能力与局部开发能力之间保持平衡,算法中采用一种使路径长度相同的可行解互不占优的评价策略,并通过一种新的离散差分进化算子和简化的2-Opt策略生成候选解.与已有算法的数值试验结果比较表明,求解旅行商问题(TSP)的改进非支配排序遗传算法(NSGAII-TSP)能够更好地保持种群多样

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：238kb
    • 提供者：weixin_38630853