首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 562 毫秒
1.
TSP问题是一个具有广泛应用背景和重要理论价值的组合优化NP难题。遗传算法是求解NP完全问题的一种方法。针对传统遗传算法求解TSP问题的不足,提出了一种多种群自适应模拟退火遗传算法,并给出了多种群分级、混合变异算子的设计。最后,对CHN31、ATT48和EIL51的TSP问题进行求解.仿真结果表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。  相似文献   

2.
货郎担问题,即TSP(Traveling Salesman Problem),是一个组合优化问题。具有NPC计算复杂性。本文分析了模拟退火算法模型,研究了用模拟退火算法求解TSP算法的可行性,并给出了用模拟退火算法求解TSP问题的具体实现方法。  相似文献   

3.
TSP旅行商(货郎担)问题是诸多领域内出现的多种复杂问题的集中概括和简化形式,同时也是一个典型的易于描述却难以处理的NP完全问题。基于不同的算法分析出现了许多解决TSP问题的方法。分析研究了大量TSP算法,例如遗传算法、神经网络法、回溯法、蚂蚁演算法、神经网络优化法、列表寻优(TABU)法及模拟退火法等,并对其中的两种算法作了较为详细的介绍,对环路构造法提出了一种优化算法。  相似文献   

4.
旅行商问题(TravelingSalesmanProblem,简称TSP)已经被证明为NP难题。通过应用遗传算法求解TSP问题,给出了遗传算法中各算子的实现方法,并用遗传算法(GeneticAlgorithm,简称GA)和穷举法分别求解了15个城市的TSP问题,结果表明,遗传算法具有明显的优越性。引入模拟退火的思想对遗传算法的变异算子进行改进,并求解了50个城市的TSP,得到了满意的结果。  相似文献   

5.
曹琳 《林区教学》2008,(10):94-95
模拟退火算法在处理全局优化、离散变量优化等困难问题中,具有传统优化算法无可比拟的优势。描述了模拟退火算法的原理及其基本框架结构,给出了用模拟退火算法求解TSP问题的具体实现方法,并分析说明了模拟退火算法的优缺点。  相似文献   

6.
TSP(旅行商问题)作为一种解决组合优化问题的有效方法,在近几十年来受到了广泛的研究。理论证明它是一个典型的NP难问题,为了更快捷地求解,候选集方法在多种求解算法比如LKH算法中都有用到,一般是用于产生一个接近局部最优的初始解,较少用于寻路过程中。本文提出了一种新的简单的候选集方法,它采用一种新的距离度量,更好地符合了对称TSP的寻路规则。将其应用于最大最小蚁群算法(MMAS)的寻路过程中,实验结果表明针对对称TSP问题,该方法能比基本的MMAS取得更好的性能。这种候选集方法也可以用于其他求解对称TSP问题的进化计算。  相似文献   

7.
旅行售货商问题(简称TSP)是离散优化的一个经典的重要问题,对求解算法的研究非常重要。在介绍求解TSP问题的贪婪算法、禁忌搜索算法、模拟退火算法、遗传算法的基本思想之后,提出了相应的算法。针对测试库的四个典型算例,用程序实现这些算法,对这些算法的运行时间和结果进行比较研究。结果表明贪婪算法短时间就可以得出解,禁忌搜索算法与遗传算法的效果相当,模拟退火算法比遗传算法的结果好。  相似文献   

8.
郑加石  廉政 《教育技术导刊》2017,16(12):152-154
排课问题已被证明是NP完全问题,排课问题的难度随课表规模的增大而增加。通过对排课问题建立图形着色模型,采用分布式势博弈算法求解。分布式势博弈算法从局部最优入手,最终形成全局最优,适用于排课问题求解|同时势博弈算法对排课问题中课表微调问题的响应是高效的。实践表明,相较于遗传算法、模拟退火算法,分布式势博弈算法对解决排课系统问题具有独特优势。  相似文献   

9.
旅行商问题是一个经典的图论问题,也被证明是一个NP-完全问题,在问题规模较小时,可通过枚举来得到问题的最优解,但仍然无法找到多项式时间复杂度的算法。在TSP问题中引入模拟退火的思想,通过求解一系列随温度变化的物理系统的自由能函数的局部极小来求得问题的最优解,并给出了求解的启发式算法。  相似文献   

10.
基于遗传算法求解TSP问题的算法设计   总被引:2,自引:0,他引:2  
TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.  相似文献   

11.
智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。  相似文献   

12.
生产车间的设备布局设计是一个组合优化的问题。具有NP完全(Nondeterministic Polynomial Complete)、非线性等特性,常规方法较难以求解。本文提出实际路线运算法结合基因算法来求解最优设备布局结果,利用遗传算法探索生产车间设备布局问题时适值函数的确定方法。  相似文献   

13.
利用遗传算法、社会群体优化算法和模拟退火算法等仿生类整体探索算法求解旅行商问题(TSP),往往需要局部优化算子促进算法收敛。目前大多采用单一的n-opt算子而没有考虑利用其它算子或算子组合对旅行商路线进行优化。为此定义了P_Swap、FP_Swap和L_Swap等3个算子,在TSPLIB 数据集中选取18个实例,分别利用各个算子及组合对旅行商路线问题进行优化。对比分析结果显示,P_Swap算子的优化能力与2-opt算子相当,3个算子组合的优化能力明显强于2-opt算子,组合优化算法求得的最优解优于目前已知的大部分算法。  相似文献   

14.
装箱问题在现实生活中具有广泛的应用,如作业调度、最优任务分配等,是一个NP完全问题。针对一维装箱问题,提出了基于首次适应(FF)近似算法和模拟退火算法相结合的一种模拟退火算法,给出了具体的算法描述。实验结果分析表明,该算法是高效可行的。  相似文献   

15.
TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。  相似文献   

16.
基于粒子群算法的可靠性优化   总被引:2,自引:0,他引:2  
系统可靠性优化已被证明是一个NP完全问题,不存在精确的求解方法。人们构造了大量的启发式算法,如遗传算法(GA),蚁群算法(ACO),模拟退火算法(SA)等。针对各种算法所存在的早熟收敛,易陷入局部极值点的缺点,提出了将粒子群算法(particle swarm optimization,PSO)用于求解可靠性问题。给出了基于粒子群算法的可靠性优化求解策略,根据数学模型,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。  相似文献   

17.
旅行商问题(TSP)是一个典型的NP难题,优化TSP求解问题有着重要的意义。遗传算法(GA)是解决这类问题的有效方法之一。标准遗传算法有一定的局限性,该文对遗传算法选择算子改进而引入了精英保留策略,保证选择的质量;在变异操作中采用自适应算法选择变异算子,提高变异质量和算法的搜索效果;在个体进化后再引入单向进化逆转操作,使子代继承亲代优质基因机会提高,提高算法搜索最优解的能力。经过国际公认的TSPLIB的实验数据的验证,优化后的遗传算法搜索最优解能力提高。  相似文献   

18.
TSP问题是一个NP完全问题,在现实生活中许多领域得到充分应用。通过对"S计算几何"中凸包算法分析,提出了一种最大凸包工作集规划TSP路径算法,能快速解决二维TSP问题。首先运用凸包算法构造城市的最大凸包工作集,将剩余城市节点根据隶属度大小加入到相应的凸包子工作集中。再应用最大凸包算法逐个划分凸包子工作集,直至子工作集中的尺度为2。最后依次访问每个子工作集头,得到TSP最短路径。实验结果表明,该算法能更快速地得到问题的近似最优解。  相似文献   

19.
TSP问题是一个NP完全问题,在现实生活中许多领域得到充分应用。通过对"S计算几何"中凸包算法分析,提出了一种最大凸包工作集规划TSP路径算法,能快速解决二维TSP问题。首先运用凸包算法构造城市的最大凸包工作集,将剩余城市节点根据隶属度大小加入到相应的凸包子工作集中。再应用最大凸包算法逐个划分凸包子工作集,直至子工作集中的尺度为2。最后依次访问每个子工作集头,得到TSP最短路径。实验结果表明,该算法能更快速地得到问题的近似最优解。  相似文献   

20.
排课问题是一个有约束、多目标的组合优化问题,并且已经被证明为一个NP完全问题。本文通过对近年来国内外的各种有关排课文献以及各种排课系统进行的研究,对遗传算法、模拟退火算法和专家系统方法在排课问题中的应用进行了一些探讨。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号