注释比较全，代码可以直接跑出来，也可以根据自己的需求做修改。可以放心下载，都是本人之前用过试过的。

针对蚁群算法存在的搜索时间长、易限于局部最优解等缺陷，提出了一种改进的蚁群算法。通过在初始化信息素矩阵中采用候选城市列表减少劣质解，在局部搜索中采用聚类进行二次搜索，缩小了算法的搜索范围、改善了解空间的质量，提高了搜索速度。仿真结果表明，改进后的蚁群算法在TSP的求解中，收敛速度和全局寻优能力均得到较大的提高。

本人毕业设计答辩的论文，写的不好，希望会对大家有用

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仿真代码，适合科研人员

支限界法类又称为剪枝限界法或分支定界法，它类似于回溯法，也是一种在问题的解空间树T上搜索问题解的算法。它与回溯法有两点不同：①回溯法只通过约束条件剪去非可行解，而分支限界法不仅通过约束条件，而且通过目标函数的限界来减少无效搜索，也就是剪掉了某些不包含最优解的可行解。②在解空间树上的搜索方式也不相同。回溯法以深度优先的方式搜索解空间树，而分支限界法则以广度优先或以最小耗费优先的方式搜索解空间树。分支限界法的搜索策略是：在扩展结点处，先生成其所有的儿子结点（分支），然后再从当前的活结点表中选择下一个扩展结点。为了有效地选择下一扩展结点，以加速搜索的进程， 在每一活结点处，计算一个函数值（限界），并根据这些已计算出的函数值，从当前活结点表中选择一个最有利的结点作为扩展结点，使搜索朝着解空间树上有最优解的分支推进，以便尽快地找出一个最优解。 从活结点表中选择下一扩展结点的不同方式导致不同的分支限界法。最常见的有以下两种方式： ①队列式(FIFO)分支限界法：队列式分支限界法将活结点表组织成一个队列，并按队列的先进先出原则选取下一个结点为当前扩展结点。 ②优先队列式分支限界法：优先队列式分支限界法将活结点表按照某个估值函数C(x)的值组织成一个优先队列，并按优先队列中规定的结点优先级选取优先级最高的下一个结点成为当前扩展结点。 影响分支限界法搜索效率的有两个主要因素：一是优先队列Q的优先级由C(x)确定，它能否保证在尽可能早的情况下找到最优解，如果一开始找到的就是最优解，那么搜索的空间就能降低到最小。二是限界函数u(x)，它越严格就越可能多地剪去分支，从而减少搜索空间。 在用分支限界法解决TSP问题时，有不少很好的限界函数和估值函数已经构造出来出了（限于篇幅，这里不做详细介绍）， 使得分支限界法在大多数情况下的搜索效率大大高于回溯法。但是，在最坏情况下，该算法的时间复杂度仍然是O(n!)，而且有可能所有的(n-1)!个结点都要存储在队列中。 近似算法是指不能肯定找到最优解的算法，但通常找到的也是比较好的解，或称近似最优解。[20]一般而言，近似算法的时间复杂度较低，通常都是多项式时间内的。由于近似算法的时间效率高，所以在实际应用中，主要是使用近似算法，这一类算法也一直是研究的主要对象。传统的近似算法以采用贪心策略和局部搜索为主，而几十年来，随着以遗传算法为代表的新型启发式搜索算法的逐步完善，在解决TSP问题上获得了巨大的成功。遗传算法、模拟退火算法、蚁群算法等已经成为公认的好算法。在本节中，将介绍传统的近似算法。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：遗传算法求解TSP标准程序_遗传算法_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

提出了一种基于局部搜索机制快速求解TSP的遗传算法。基于局部搜索机制,自适应地将标准遗传算法与局部启发式算法结合,使得局部启发式算法只在有效改善种群个体质量的情况下才允许执行,有效地避免了因局部搜索次数过多而引起的陷入局部最优和计算负担过重现象的发生。仿真结果表明,该算法具有较强的全局优化能力及较快的收敛速度,在求解TSP问题时有较高效率。

麻雀算法求解背包问题，求解效果好，多次迭代

文章将遗传算法和蚁群算法融合为一体，在此基础上，分另13对遗传算法和蚁群算法中的遗传算法中的交叉长度发生变化、种群更新、蚁群算法信息素保留率和信息素自动更新进行了改进。同时给出一种信息素更新模型，最后通过对TSP的51个城市的仿真计算，表明将遗传算法和蚁群算法融合为一体效果较好。

基于蚁群算法求解tsp问题的论文，有助于快速了解蚁群算法的研究现状