一种改进的遗传算法解决旅行商问题

杨照选[1] 贺建民[2] 周晓兰[3]

标准遗传算法在解决旅行商问题时效率不高，容易陷于局部最优解。为了解决这一问题，提出了一种改进的遗传算法。改进后的算法在选择操作时，采取了精英个体保留策略和锦标赛方法，扩大染色体的选择范围，加大了适应度好的染色体被选中的概率；交叉操作时加入父染色体中边的信息；在参数选择上，使交叉概率和变异概率与染色体的个体适应值联系，保护适应度好的染色体进入下一代。用程序实现了两种算法，通过比较，改进后的遗传算法提高了解决旅行商问题的效率。

求解旅行商问题的混合粒子群优化算法

高尚[1] 韩斌[1] 吴小俊[1] 杨静宇[2]

结合遗传算法、蚁群算法和模拟退火算法的思想，提出用混合粒子群算法来求解著名的旅行商问题．与模拟退火算法、标准遗传算法进行比较，24种混合粒子群算法的效果都比较好，其中交叉策略D和变异策略F的混合粒子群算法的效果最好，而且简单有效．对于目前仍没有较好解法的组合优化问题，通过此算法修改很容易解决．

双目标旅行商问题及其蚂蚁算法实验研究

Experimental studies on the ant algorithm for bi-objective travelling salesman problem

王洪刚 李高雅 马良

对双目标旅行商问题设计了基于Pareto概念的多目标蚂蚁算法．借助于算法的全局搜索能力，在整个解空间内快速搜索多目标组合的Pareto有效解，并利用多目标蚂蚁算法维持解集多样性的特点，使搜索到的Pareto解在前沿均匀分布、经大量算例求解验证了其有效性，该算法具有较好的通用性．[著者文摘]

A Pareto concept based multi-objective ant algorithm for the bi-objective TSP is proposed. Taking advantage of the capability of efficient global searching and maintenance of diversity of ant algorithm, the feasible region can be quickly explored and the Pareto solutions are found uniformly distributed on the frontier. Experiment results show the effectiveness and validity of the algorithm.[著者文摘]

禁忌搜索算法求解旅行商问题研究

贺一 刘光远

设计了一种基于Matlab实现的禁忌搜索算法，用以求解组合优化难题中的典型代表旅行商问题（TSP）。分别对Hopfield原始10城市和中国旅行商问题进行了测试，所得结果都能达到或优于公布的最优解，与传统的Hopfield神经网络求解TSP相比，禁忌搜索算法具有强健，快速和高效的特点。

大规模旅行商问题的竞争决策算法

宁爱兵 马良

针对旅行商问题,利用竞争决策算法的通用模型,给出了一种基于竞争决策思想,能求解大规模和超大规模TSP问题的快速求解方法,经过大量数据测试和验证,获得了较好的结果.