用蚁群算法实现TSP问题，内含13个城市测试矩阵的相对坐标，算法源程序，运行结果和鲁棒性分析，程序移植性好易于修改
2022-03-12 17:19:46
133KB
1
旅行商问题（TSP）是最古老而且研究最广泛的组合优化问题。针对TSP问题，提出一种蚁群与粒子群混合算法（HAPA）。HAPA首先将蚁群划分成多个蚂蚁子群，然后把蚂蚁子群的参数作为粒子，通过粒子群算法来优化蚂蚁子群的参数，并在蚂蚁子群中引入了信息素交换操作。实验结果表明，HAPA在求解TSP问题中比传统算法和同类算法更具优越性。
2022-03-10 17:36:35
503KB
1
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.
2022-01-16 17:02:39
637KB
1
求解旅行商问题的蚁群优化算法，包含路径的构造、轮盘赌法进行城市的选择、信息素的更新等函数，仅300行代码一个main.cpp即可实现全部功能，程序运行后会输出城市坐标、距离矩阵、迭代后的最优路径及最短路径长度。
2022-01-10 19:26:40
2.52MB
1