求解TSP问题的matlab贪心算法程序

sunjielw 2018-03-05 09:37:03

TSP问题：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，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。
求其matlab程序

...全文

1789 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文用贪婪算法和最小路径算法解决TSP问题，包含源代码，并且已经调试过了，可以使用

贪心算法，基于MATLAB编程环境

基于并行人工免疫算法的大规模TSP问题求解-基于并行人工免疫算法的大规模TSP问题求解.pdf 摘　要: 　为求解大规模TSP 问题,提出了并行人工免疫系统的塔式主从模型 ,和基于TMSM的并行免疫记忆克隆选择算法 . TMSM是粗粒度的两层并行人工免疫模型,其设计体现了分布式的免疫响应和免疫记忆机制. PIMCSA 用疫苗的迁移代替了抗体的迁移,兼顾了种群多样性的保持和算法的收敛速度. 与其他算法相比,PIMCSA 在求解精度和运行时间上都更具优势,而且问题规模越大优势越明显. TMSM很好地体现了免疫系统的特性,PIMCSA 是适合求解大规模复杂优化问题的并行人工免疫算法,具有良好的可扩展性. 关键词: 　TSP; 并行人工免疫系统; 克隆选择; 免疫记忆 1 　引言旅行商问题是经典的组合优化问题,具有很强的工程背景和广泛的应用价值. TSP 问题可以形式化描述为:已知N 个城市C = { C1 , C2 , ⋯, CN} , 以及任意两城市之间的距离d , 求一条经过C 中所有城市一次且仅一次的闭合路径Cx = { Cx , Cx , ⋯,Cx } 使得总行程最小 .对于大规模TSP 问题,人们倾向于用有限的时间找到可接受的近似解. 求解TSP 问题的近似算法分为环路构造算法和环路改进算法两类. 环路构造算法从某个非法解出发,逐步改变路径,直到得到一个合法路径为止.这类算法包括:最近邻算法,贪心算法,Clarke2Wright 算法,Christofides 算法等[1] . 环路改进算法则在给定初始合法解之后,使用某种策略寻找质量更好的解. 这类算法包括:局部搜索策略 ,禁忌搜索[1] ,模拟退火[1] ,遗传算法[3] ,蚁群算法[4] ,粒子群算法[5] ,多级算法[6 ,7] ,免疫算法[8]等. TSP 问题的解空间随着问题规模的增大而迅速膨胀,面对大规模TSP 问题庞大的搜索空间,单个计算机的计算能力已经远不能满足搜索算法对时间的要求. 并行算法求解大规模TSP 问题越来越受到研究者的关注,出现了并行蚁群算法[9 ,10]研究的一些成果,目前尚处于起步阶段. 本文工作尝试设计并行的免疫算法来解决这一复杂问题. ....... 后面主要是新提出的算法性能分析和仿真及结论,本文是2008年底新发表的,估计网上现在还不能下载,我是从学校论文数据库中下载的,以供需要者共享资源.

1.版本：matlab2014/2019a，内含运行结果，不会运行可私信 2.领域：智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，更多内容可点击博主头像 3.内容：标题所示，对于介绍可点击主页搜索博客 4.适合人群：本科，硕士等教研学习使用 5.博客介绍：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可si信 ### 1 智能优化算法及应用 **1.1 改进智能优化算法方面（单目标和多目标）** **1.2 生产调度方面** 1.2.1 装配线调度研究 1.2.2 车间调度研究 1.2.3 生产线平衡研究 1.2.4 水库梯度调度研究 **1.3 路径规划方面** 1.3.1 旅行商问题研究（TSP、TSPTW） 1.3.2 各类车辆路径规划问题研究（vrp、VRPTW、CVRP） 1.3.3 机器人路径规划问题研究 1.3.4 无人机三维路径规划问题研究 1.3.5 多式联运问题研究 1.3.6 无人机结合车辆路径配送 **1.4 三维装箱求解** **1.5 物流选址研究** 1.5.1 背包问题 1.5.2 物流选址 1.5.4 货位优化 ##### 1.6 电力系统优化研究 1.6.1 微电网优化 1.6.2 配电网系统优化 1.6.3 配电网重构 1.6.4 有序充电 1.6.5 储能双层优化调度 1.6.6 储能优化配置 ### 2 神经网络回归预测、时序预测、分类清单 **2.1 bp预测和分类** **2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### **2.5 ELM预测**和分类 ##### **2.6 KELM预测**和分类 **2.7 ELMAN预测和分类** ##### **2.8 LSTM预测**和分类 **2.9 RBF预测和分类** ##### 2.10 DBN预测和分类 ##### 2.11 FNN预测 ##### 2.12 DELM预测和分类 ##### 2.13 BIlstm预测和分类 ##### 2.14 宽度学习预测和分类 ##### 2.15 模糊小波神经网络预测和分类 ##### 2.16 GRU预测和分类 ### 3 图像处理算法 **3.1 图像识别** 3.1.1 车牌、交通标志识别（新能源、国内外、复杂环境下车牌） 3.1.2 发票、身份证、银行卡识别 3.1.3 人脸类别和表情识别 3.1.4 打靶识别 3.1.5 字符识别（字母、数字、手写体、汉字、验证码） 3.1.6 病灶识别 3.1.7 花朵、药材、水果蔬菜识别 3.1.8 指纹、手势、虹膜识别 3.1.9 路面状态和裂缝识别 3.1.10 行为识别 3.1.11 万用表和表盘识别 3.1.12 人民币识别 3.1.13 答题卡识别 **3.2 图像分割** **3.3 图像检测** 3.3.1 显著性检测 3.3.2 缺陷检测 3.3.3 疲劳检测 3.3.4 病害检测 3.3.5 火灾检测 3.3.6 行人检测 3.3.7 水果分级 **3.4 图像隐藏** **3.5 图像去噪** **3.6 图像融合** **3.7 图像配准** **3.8 图像增强** **3.9 图像压缩** ##### 3.10 图像重建 ### 4 信号处理算法 **4.1 信号识别** **4.2 信号检测** **4.3 信号嵌入和提取** **4.4 信号去噪** ##### 4.5 故障诊断 ##### 4.6 脑电信号 ##### 4.7 心电信号 ##### 4.8 肌电信号 ### 5 元胞自动机仿真 **5.1 模拟交通流** **5.2 模拟人群疏散** **5.3 模拟病毒扩散** **5.4 模拟晶体生长** ### 6 无线传感器网络 ##### 6.1 无线传感器定位 ##### 6.2 无线传感器覆盖优化 ##### 6.3 室内定位 ##### 6.4 无线传感器通信及优化 ##### 6.5 无人机通信中继优化

蚁群算法是一种模拟蚂蚁群体智能行为的仿生优化算法，具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法相结合等优点。蚁群算法用来求解旅行商问题（Traveling Salesman Problem,TSP）表现出很大的优越性。但是没经过优化的蚁群算法也存在收敛速度慢，容易陷入局部最优解等缺点。本文提出了一种基于蚁群算法求解TSP问题的方法。仿真发现基本蚁群算法收敛振荡大、收敛迭代次数多及获得最优解困难。本文将蚁群算法结合邻域搜索算法，可显著减少算法获得最优解所需迭代次数，结合历史学习经验可显著改善收敛

高性能计算

2,408

社区成员

1,024

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章