遗传算法用于TSP问题的研究

本文将遗传算法用于ＴＳＰ问题的求解，并结合爬山搜索法的思想提出了一个新的遗传算子，实验表明效果明显。     

遗传算法求解旅行商问题

本文提出一种新的遗传算法，用以求解著名的组合优化难题－旅行商问题。引用原始的文献数据，对城市数为10、30、50的试例均求得公布的最优解，对城市数为75的试例，每次结果均好于公布的最优解。用此算法求解中国旅行商问题，以20％的概率得到已知最优解1540km。或次最优解15409km，而所得最差与最好结果的相对距离为0．69％（即所得最长路径为15510km)。在COMPAQ／DX／25MH微机上每得到一个优化解平均历时150s左右。本算法与传统求解TSP问题的方法相比，具有简单、强壮、高效、高速的特点，它原则上对任何规模的对称欧几里德平面TSP具有通用性。     

解TSP的有序遗传算法

根据生物进化原理，提出了一种求解ＴＳＰ的有序遗传算法。利用有序编码规则，通过有序交叉算子和有序变异算子的作用，保证该算法不仅能获得ＴＳＰ的有效解，而且能可靠地获得全局最优解。计算机模拟实验表明，该算法具有收敛速度快，易获得最优解等特点。     

有时间约束施行商问题的启发式遗传算法

有时间约束的施行商问题作为施行商问题的拓展，是一个重要的NP难题，深入研究这一问题具有重要的理论和实践意义。将时间窗约束转化为目标约束，采用序列编码设计了基于启发式规则的可同时处理软、硬时间约束的遗传算法－2－交换变异的遗传算法和3－交换变异的遗传算法。实验表明HGA1优于简单遗传算法（SGA），HGA2优于HGA1。     

用改进的人工鱼群算法求解TSP问题

针对人工鱼群算法在寻优过程中存在的不足,结合嗅觉在自然界鱼类捕食过程中的重要作用,在基本人工鱼群算法的基础上,提出了具有嗅觉特征的人工鱼群算法。最后,利用改进的人工鱼群算法成功解决了旅行商问题,并且通过比较基本人工鱼群算法与改进人工鱼群算法的实验结果,得出结论,改进后的人工鱼群算法在算法搜索时间、全局最优值精确度方面都有了显著的提高。     

求解FDP问题的演化算法

影片递送问题（简称FDP）是组合优化的一个新问题,它比旅行商问题（简称TSP）复杂得多,介绍了一种新的演化算法,这种算法首先将FDP问题转换成TSP问题,然后基于次序杂交算子（OX）和反转变异算子获得最佳解,该算法不仅易于实现,而且计算的结果精确、快速。     

求解流水车间调度问题的一种启发式算法

针对以总完工时间最小为目标的流水调度问题,提出了一个启发式算法:采用经典的调度规则构造初始解,通过禁忌搜索提高解的质量.仿真结果表明了算法的可行性,具有较好的工程应用价值.     

求解流水车间调度问题的一种启发式算法

针对以总完工时间最小为目标的流水调度问题,提出了一个启发式算法:采用经典的调度规则构造初始解,通过禁忌搜索提高解的质量.仿真结果表明了算法的可行性,具有较好的工程应用价值.     

带有能力约束的VRP的一种遗传算法

就商品配送中,带有能力约束的车辆路径问题(VRP),设计了一种新的遗传算法.该算法的核心在于构建一种新的染色体编码,将VRP问题转化为m个TSP问题,并设计出新的杂交算子.算法中染色体表示、评价函数的构造、杂交变异算子的设计经过实例计算的检验被证明较为可靠,算法运算速度快,容易获得有效解.     

求解旅行商问题的一种新方法

目前关于旅行商问题的启发式算法主要分为两类:环路构造算法和环路改进算法.通过对两类近似算法的深入研究,提出了一种新的方法――简化模型法来求解旅行商问题.该方法通过排序和选择操作得到原网络图的简化模型,对简化模型中的路径进行重构得到旅行商问题的解.通过测试TSPLIB中的实例,表明用简化模型法求解旅行商问题解的质量高、收敛快,时耗小,该算法是实用的.     

有时间约束旅行商问题的启发式遗传算法

有时间约束的旅行商问题作为旅行商问题的拓展,是一个重要的NP难题,深入研究这一问题具有重要的理论和实践意义。将时间窗约束转化为目标约束,采用序列编码设计了基于启发式规则的可同时处理软、硬时间约束的遗传算法——2-交换变异的遗传算法和3-交换变异的遗传算法。实验表明HGA1优于简单遗传算法(SGA),HGA2优于HGA1。     

改进型遗传蚁群混合算法求解旅行商问题

针对原有遗传蚁群混合算法的遗传算法特性不突出,容易过早收敛的缺陷,提出一种带有基因数量控制的遗传蚁群混合算法,有效地提高了遗传算法部分的基础基因数量,提高了全局最优解能力.通过动态分析基因适应度,生成动态变异概率,提高了最优解的生成概率.精英交叉原理的使用,能保护优秀基因不受交叉变异的影响堕化.     

基于改进遗传算法的车辆路径问题

为了研究物流中心的服务效率和车辆的合理调度方案,以汽车载重量作为影响车辆路线安 排的主要因素,以经典的车载容量约束条件下的车辆路径问题为原型建立数学模型,通过求解该 数学模型的最优解来获得车辆最优路径。由初始状态随机生成的可行解作为初始的车辆路径方 案,通过改进的遗传算法不断地调整染色体的交叉和变异概率进行优化,最终得到物流中心车辆 安排的合理方案。通过多次求解算例,都能够得到满意的车辆路径方案,不仅验证了该数学模型 的有效性和实践性,而且也验证了改进后遗传算法的收敛性和鲁棒性,同时得到了改进遗传算法 交叉和变异概率的调整范围。该模型和算法不仅可以提高物流中心的服务效率,而且可以为物流 中心的车辆调度方案提供支持和帮助。     

集装箱装载问题的启发式优化算法

集装箱装载是个多约束的复杂组合优化问题,属于NP-Hard问题,其精确求解是很困难的,一般多用启发式方法来近似解.针对背包型集装箱装载问题提出了一种启发式算法,该算法采用了新的"砌墙"机制和货物组对策略,通过递归寻优得到解.通过实例说明该算法具有较好的有效性和实用性.     

基于改进遗传算法的旅行商问题的求解

用遗传算法解决旅行商问题(TSP)时,经常面临过早收敛和遗传漂移等问题.文章分析了产生此类问题的原因,并针对其主要原因对经典遗传算法的选择、交叉和变异算子做了改进,使得改进后的算法可以有效保持种群多样性,从而提高了算法的稳定性和准确性;通过编程测试将改进后的算法和经典算法做了对比.     

Novel Local Search Method for the Traveling Salesman Problem

A new local search method for the traveling salesman problem based on an original greedy representation of solution space and neighborhood structure is proposed. First, a partial closed route that only consists of three cities is given; then other cities are added to this route by a greedy procedure successively. Implemented on a personal computer, this algorithm finds optimal solutions for 24 out of 27 standard benchmarks, and outperforms the Full Subpath Ejection Algorithm (F-SEC) proposed by Rego in 1998.