用遗传算法解决旅行商问题，由于遗传算法的局部搜索能力较强，但是很容易陷入局部极值。所以引入自然界中灾变概念。即跳出局部极值就必须杀死当前所有的优秀个体，从而让远离当前极值的点有充分的进化余地。

遗传算法TSP_CUDA 一种遗传算法，可使用CUDA体系结构（GPU）为TSP（旅行商问题）找到最佳解决方案。 这是我在USF进行的并行和分布式处理课程的最后一个项目，与Berkeley在2015年Spring发布的“并行计算机的应用程序”一起完成的。该项目的目的是使自己熟悉遗传算法的设计和实现，重点是学习如何在CUDA架构以及C ++的OpenMP库上编写并行代码。 概述： 该项目将在德克萨斯大学奥斯汀分校的Stampede.tacc超级计算机上运行。 该代码在踩踏群集的单个节点上运行，此刻使用Nvidia的CUDA调用单个GPU。 在CUDA中，执行内核（GPU功能），并由块和线程组成。 每个块最多可以有1024个线程，每个内核可以有〜65000个块。 我设计了一种算法，以便在每个GPU上创建一个填充，该填充由启动内核的NTHREADS * NBLOCKS组成。 例如，在一个流行

1.注册登录功能 2.游记 3.旅游攻略 4.路线规划功能（输入起点和终点规划出路线） 5.问答功能（类似知乎，用户在问题下面评论）

针对蚁群算法容易陷入局部最优,收敛速度慢,难以解决大规模问题,提出依据信息熵和停滞次数的动态信息素的更新策略和基于最优路径集合的奖惩策略的蚁群算法,在动态信息素更新策略中,利用收敛系数来动态调节信息素,从而有效的平衡算法的多样性和收敛性.在搜索过程中,通过持续增大收敛系数,加快了收敛速度;当信息熵降低或者停滞次数达到一定数值时,通过降低收敛系数,从而跳出局部最优.同时基于最优路径集合,对较优路径奖励,对其他路径惩罚,通过减少蚂蚁每一步可选城市的数量,加快了收敛速度.并且使用三种局部优化方法,从而进一步提高解的精度.经过实验测试,该算法用于解决旅行商 TSP(Travelling Salesman Problem)问题,具有较高的求解精度,并能有效平衡解的精度和收敛速度的矛盾.

将旅行商问题写成数学规划的具体形式，实现旅行商问题的数学规划模型

基于模拟退火的算法思想，运用matlab对tsp问题进行了智能求解。其中是源码，清晰配有注释，内容简单明了且富有深度。

焊接机器人在工业上被广泛应用,焊接的任务规划直接关系到制造效率的提高.点焊机器人路径规划在仅考虑路径长度时可以简化为焊接顺序的优化问题,即旅行商问题.考虑到旅行商问题是NP完全问题,且是离散问题,提出一种结合莱维飞行的粒子群算法并对其进行离散化以求解此类路径优化问题.焊接机器人路径规划仿真结果验证了所提出方案的合理性和可行性.

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仿真代码介绍

1、 使用模拟退火算法求解 2、 编译得到的可执行程序能够通过命令行参数形式输入文件，并将结果写入到输出文件 3、 推荐使用 C/C++进行编程，如果使用其他编

旅行家(旅行家打印工具)是一款非常实用的打印工具。支持票号提取信息，PNR转换信息和手工输入信息。适用于各类用户，需要的朋友快来下载使用吧。 软件功能介绍 旅行家支持票号提取信息，PNR转换信息和手工输入信息。适用于各类用户。所有信息的打印位置均可单独调整。 软件代替硬件,买打印机不如买软件。支持eterm的打印机最便宜的也要1500元左右，请先用eTerm创建以后再使用本软件打印行程单和信