TSP问题

摘要： 乘务排班计划作为城市轨道交通运输组织与规划中的重要一步,其编制合理性关系着列车开行方案、列车运行图以及车底运用计划能否高效实现。将TSP问题思想应用于城市轨道交通排班计划的核心步骤中,考虑乘务规则、时间标准、运营限制等影响因素,以乘务工作班内乘务作业段间接续时间最小为目标构建乘务排班计划优化模型。将乘务作业段转化为附带时空属性的节点,节点间接续关系转化为弧,从而将乘务工作班的生成转化为类TSP问题。为减少搜索解时的盲目性与匹配时的无效性增加选择节点的方式,设置虚拟点和双路径表来划分乘务工作班,并设计蚁群算法求解。以某地铁线路为实例进行分析,结果显示平均接续时间为70.97 min,平均工作时间为246.14 min,平均工作班时间为307.11 min,证明该模型与算法的有效性。

摘要： YYPO算法是一个求解连续型优化问题的算法,TSP问题是一个经典的离散型优化问题。利用YYPO算法中保持开发点和探索点之间相互平衡的思想,并结合YYA算法中的交互算子,提出了一种求解TSP问题的新方法--离散型阴阳对优化算法(DYYPO)。选取TSPLIB中的10个节点数在300以下的算例测试了DYYPO算法的性能,测试结果表明,在求解TSP问题时,DYYPO算法在最优值、平均值和用时等方面具有一定的优势。

摘要： TSP问题作为一个典型的组合优化问题,多年来众多学者都对其展开了深入研究,以期寻找到一个最优算法来应用到实际生活中。由于TSP问题是一个NP难题,因此一般使用目前较为普遍的智能优化算法进行计算其最短路径,禁忌搜索算法便是其中之一。该算法通过引入禁忌表和特赦准则来避免搜索陷入局部最优,在各个行业中均获得了广泛应用。但是,该算法也存在一定的缺陷,比如对初始解的依赖性。因此,本文为了克服该缺点,将传统的禁忌搜索算法进行了改进,借助遗传算法来对初始解进行优化,进而得到更优解。通过案例仿真表明,加入遗传算法后,实验结果有了很大的改善,得到了更优的路线方案,缩短了总旅程的距离,验证了算法改进后的有效性和可行性。

摘要： 国际游学市场随着经济发展不断扩大,高效率、高质量、个性化的游学路线规划成为顾客日益增长的需求,游学产品路线规划的质量亟需提高。本文将游学路线规划划分为两个阶段进行优化:(1)学校选择阶段,基于QS英国大学排名的数据集构建评价指标体系,采用聚类分析方法将数量众多的英国高校分成三类,以实现为不同人群提供相应的大学游学目标院校组;(2)游学路径优化,基于人群游学时间限制构建相应的路径规划模型,设计改良的遗传算法对游学路径进行优化。在使用自适应参数的遗传算法后,迭代500次左右可以稳定的达到最短的路线。基于以上两阶段规划方法,实证研究结果表明可以为学生和家长提供科学的个性化最优游学路线。

摘要： 旅行商问题是经典的NP难问题,为解决旅行商问题,提出用猎人猎物优化算法解决旅行商问题.该算法通过模拟动物猎食的过程对旅行商问题进行寻优,并用MATLAB进行验证分析.结果表明,该算法具有收敛速度快,寻优能力强的特点,对求解旅行商问题得到较好的优化结果.

摘要： 针对传统遗传算法解决TSP问题,提出了加入病毒种群来感染初始种群,并将种群分为父代和子代种群实现逆转操作的改进遗传算法。加入病毒种群来感染初始种群加快了遗传算法的收敛速度,通过逆转操作使算法更容易跳过局部最优解,避免遗传算法在大规模问题中易陷入局部最优解的问题。以两组实验来对比改进算法性能与传统算法性能的差别,结果表明改进算法的执行效率和执行结果明显优于传统遗传算法。最后利用改进后的遗传算法遍历中国34座省会城市的最优路线,验证了该算法的准确性和优越性。

摘要： 针对机械加工中孔群加工刀具路径规划问题,采用蚁群算法,通过多目标搜索和并行计算,快速从众多可行加工路线中找到一条最短路径作为刀具运动的轨迹,该路径可以最大限度的节省加工过程中的空行程时间,提高整体加工效率。采用控制变量法和正交试验法,结合算例,分析研究算法实现过程中需优化取值的蚂蚁的数量、信息素重要程度因子、启发函数重要程度因子、信息素挥发因子、总信息量等5个重要参数对于最优解质量的影响,探究其作用规律,为进一步提高算法优化结果和改进算法提供参考依据。

摘要： TSP问题的应用十分广泛,而传统的遗传算法在求解TSP问题时存在求解精度低和时间长等不足。针对该问题提出了一种改进的分布式并行遗传算法用来求解大规模TSP问题。改进遗传算法使父代染色体进行顺序交叉、就近变异和局部最优选择,将大规模TSP问题用k-均值聚类算法进行分组,使用分布式并行算法将子问题分配到不同的计算节点上用改进的遗传算法求解。求解得到的子问题用Delaunay三角剖分算法进行合并,从而得到整个问题的解。通过TSPlib数据库进行实验,结果显示提出的算法在求解时间和求解精度上均有所提高。

摘要： 为解决无人机(UAV,unmanned aerial vehicle)在多个目标区域之间快速找到最佳遍历路径的类旅行商问题(TSP,travelling salesman problem),设计一种基于蚁群算法、A*算法以及三次B样条优化的融合规划算法;尽管蚁群算法相对其他优化算法在解决TSP问题上有较为良好的表现,但其规划路径处理时间长、生成路径转折多、路径质量和安全性较差;算法首先改进传统A*算法的节点扩展方式,快速生成两两目标区之间的局部路径,然后将蚁群算法和改进A*算法融合使用进行全局路径规划,最后结合改进三次B样条对路径进行平滑处理;基于栅格地图的仿真结果证明了该算法相比传统算法具有更好的高效性和稳定性。

摘要： 针对现有蝙蝠算法易早熟、收敛不精等问题,提出一种变邻域蝙蝠算法。通过结合三种变邻域策略,提升算法局部搜索能力,同时加入惯性权重,均衡算法前期的全局搜索能力和后期的局部搜索能力。结果表明提出的变邻域蝙蝠算法能够有效地解决TSP问题,且效果比其他传统算法更优。

摘要： TSP问题是组合优化中一个非常典型的问题,具有很强的工程和实际应用价值,但至今尚无非常有效的最优路径求解方法.本文通过研究Hopfield网络、遗传算法和蚁群优化算法来求解TSP问题.使用预先定义的能量函数来构建Hopfield网络,在该网络框架下,采用遗传算法来逐步迭代学习一个最小的能量函数值,从而使网络达到一个稳定的状态.通过对传统遗传算法进行改进,将一段基因视为一个整体,使整段基因进行组合交叉和变异,提出一个基于基因片段的遗传算法,进而实现TSP问题的蚁群优化算法.

摘要： TSP问题是组合优化中一个非常典型的问题,具有很强的工程和实际应用价值,但至今尚无非常有效的最优路径求解方法.本文通过研究Hopfield网络、遗传算法和蚁群优化算法来求解TSP问题.使用预先定义的能量函数来构建Hopfield网络,在该网络框架下,采用遗传算法来逐步迭代学习一个最小的能量函数值,从而使网络达到一个稳定的状态.通过对传统遗传算法进行改进,将一段基因视为一个整体,使整段基因进行组合交叉和变异,提出一个基于基因片段的遗传算法,进而实现TSP问题的蚁群优化算法.

摘要： TSP问题是组合优化中一个非常典型的问题,具有很强的工程和实际应用价值,但至今尚无非常有效的最优路径求解方法.本文通过研究Hopfield网络、遗传算法和蚁群优化算法来求解TSP问题.使用预先定义的能量函数来构建Hopfield网络,在该网络框架下,采用遗传算法来逐步迭代学习一个最小的能量函数值,从而使网络达到一个稳定的状态.通过对传统遗传算法进行改进,将一段基因视为一个整体,使整段基因进行组合交叉和变异,提出一个基于基因片段的遗传算法,进而实现TSP问题的蚁群优化算法.

摘要： TSP问题是组合优化中一个非常典型的问题,具有很强的工程和实际应用价值,但至今尚无非常有效的最优路径求解方法.本文通过研究Hopfield网络、遗传算法和蚁群优化算法来求解TSP问题.使用预先定义的能量函数来构建Hopfield网络,在该网络框架下,采用遗传算法来逐步迭代学习一个最小的能量函数值,从而使网络达到一个稳定的状态.通过对传统遗传算法进行改进,将一段基因视为一个整体,使整段基因进行组合交叉和变异,提出一个基于基因片段的遗传算法,进而实现TSP问题的蚁群优化算法.

摘要： 蚁群算法是一种新型的仿类生优化算法，在解决各类组合优化问题中都取得了很好的效果，但是它的各参数对计算结果有很大影响。本文基于最大信息覆盖率和影响蚁群算法的条件参数对决策参数的支持度来研究基本蚁群算法参数的重要性，使得蚁群算法能更好地应用于优化问题中。

摘要： 蚁群算法是一种新型的仿类生优化算法，在解决各类组合优化问题中都取得了很好的效果，但是它的各参数对计算结果有很大影响。本文基于最大信息覆盖率和影响蚁群算法的条件参数对决策参数的支持度来研究基本蚁群算法参数的重要性，使得蚁群算法能更好地应用于优化问题中。

摘要： 蚁群算法是一种新型的仿类生优化算法，在解决各类组合优化问题中都取得了很好的效果，但是它的各参数对计算结果有很大影响。本文基于最大信息覆盖率和影响蚁群算法的条件参数对决策参数的支持度来研究基本蚁群算法参数的重要性，使得蚁群算法能更好地应用于优化问题中。

摘要： 蚁群算法是一种新型的仿类生优化算法，在解决各类组合优化问题中都取得了很好的效果，但是它的各参数对计算结果有很大影响。本文基于最大信息覆盖率和影响蚁群算法的条件参数对决策参数的支持度来研究基本蚁群算法参数的重要性，使得蚁群算法能更好地应用于优化问题中。

摘要： TSP问题是一个典型的NP难度的组合优化问题。在求解TSP问题时，Inver-Over算子具有强大的搜索全局最优解的能力，而交换启发交叉算子能加快算法的收敛速度．本文在Inver-Over算子和交换启发交叉算子的基础上，引入最近邻重排算子．仿真实验结果表明，改进的算法提高全局最优解的质量，是种有效可行的算法。

摘要： TSP问题是一个典型的NP难度的组合优化问题。在求解TSP问题时，Inver-Over算子具有强大的搜索全局最优解的能力，而交换启发交叉算子能加快算法的收敛速度．本文在Inver-Over算子和交换启发交叉算子的基础上，引入最近邻重排算子．仿真实验结果表明，改进的算法提高全局最优解的质量，是种有效可行的算法。

摘要： 本发明实施例公开了一种基于人工蜂群算法的并行优化处理TSP问题的方法及装置，解决了目前对于像解空间随问题规模增大而呈指数增长的NP难题，由于硬件核心的工艺制作已经到达瓶颈，导致的难以通过对单个核心的制造来提高性能的技术问题。本发明实施例方法包括：通过MPI接口建立多个并行进程，通过主进程将初始蜜源信息分发给从进程；通过从进程根据TSP的路径长度确定人工蜂群算法的跟随蜂的搜索的蜜源；通过从进程根据TSP的路径总数及人工蜂群算法的侦察蜂监测到无效蜜源后进行重新随机搜索蜜源以放弃无效蜜源跳出局部最优解；通过主进程获取到从进程的返回的非放弃的所有蜜源为最优蜜源，最优蜜源为TSP的最短路径。

摘要： 本发明涉及一种基于改进粒子群算法和动态步长神经网络处理TSP问题的方法，包括：针对TSP问题，获取城市位置参数；根据TSP问题约束，构建Hopfield网络的网络能量函数，并对Hopfield网络进行初始化；构建网络动态方程，并进行求解；判断构建的Hopfield网络是否达到稳定，若达到则基于改进粒子群算法进行参数优化更新，否则重新构建网络动态方程；判断改进粒子群算法是否达到终止条件，若达到，将基于改进粒子群算法得到的最优解作为求解的TSP问题的最优解。与现有技术相比，本发明具有解决了目前对于像解空间随问题规模增大而呈指数增长的NP难题，收敛速度和收敛精度都有效提高等优点。

摘要： 本发明涉及一种TSP问题路径规划方法，包括以下步骤：初始化；读取位置并计算距离；贪婪算法初始化种群；最差的若干个体换为随机生成的个体；计算适应度；选择；交叉；变异；随机对若干个体进行模拟退火；计算适应度；当代最优解及其变异解分别给第一和第二个个体；迭代至满足终止条件。本发明贪婪算法产生的种群具有随机性且质量较高，能加速寻优。最差的若干个体换为随机生成的个体，减少差解影响并避免早熟。模拟退火可发现一些更优解，且避免早熟和陷入局优。最优解及其变异解的存储保留了优秀信息且增加了种群多样性。本发明能有效、快速的规划出一条最短访问路径，因此是一种可为TSP问题提供路径规划的有效方法。

摘要： 本发明公开一种解决TSP问题的改进人工蜂群算法，通过混沌策略对种群进行初始化，使初始粒子均匀分布在空间，利用混沌的遍历性进行搜索使算法跳出局部最优，使用双种群并且结合讨论机制，加快收敛速度，提高全局搜索能力。本发明采用了讨论机制对各种初始数据都有较好的普遍适用性在多次迭代能够最大限度使得找到最优路径的迭代次数占总迭代次数的百分比，减少对于比较不接近最优路径城市顺序的搜索次数。当城市数量剧增时候，本算法会呈现出更好的寻优性能，跳出局部的极值到全局中去探索其他城市顺序组合，避免陷入局部最优解也就是可以使得算出的路径尽量都能够接近最优路径的组合。

摘要： 本发明公开了一种基于粒子群优化的蚁群算法求解TSP问题的方法。该方法在求解TSP问题时，利用粒子群优化的思想，对蚁群算法的参数取值进行优化并选择。在粒子群算法中，将蚁群算法的5个参数(q

摘要： 本发明实施例公开了一种基于MIC卡的人工鱼群算法并行处理TSP问题的方法及装置，通过MIC卡进行初始化鱼群及初始化MPI处理；通过MPI根据初始化鱼群后随机生成的人工鱼群的行为准则进行嗅觉识别确定邻居人工鱼数目；通过MPI对邻居人工鱼数目进行追尾行为的确定，并对追尾行为的确定的人工鱼进行群聚行为、觅食行为处理；通过MPI获取到追尾行为、群聚行为、觅食行为处理后确定的最优解人工鱼群状态值，解决了目前的算法都只支持串行运算，对于一些较大计算量的算法，效率往往就比较低，及现存的人工鱼群算法在针对旅行商问题上并没有很完美的性能优化以及最优结果，同时，目前的并行优化技术，在CPU上，受到芯片计算单元数量的限制，导致的在处理大规模的计算时，难以高效率地执行的技术问题。

摘要： 本发明实施例公开了一种基于人工蜂群算法的并行优化处理TSP问题的方法及装置，解决了目前对于像解空间随问题规模增大而呈指数增长的NP难题，由于硬件核心的工艺制作已经到达瓶颈，导致的难以通过对单个核心的制造来提高性能的技术问题。本发明实施例方法包括：通过MPI接口建立多个并行进程，通过主进程将初始蜜源信息分发给从进程；通过从进程根据TSP的路径长度确定人工蜂群算法的跟随蜂的搜索的蜜源；通过从进程根据TSP的路径总数及人工蜂群算法的侦察蜂监测到无效蜜源后进行重新随机搜索的蜜源以放弃无效蜜源跳出局部最优解；通过主进程获取到从进程的返回的非放弃的所有蜜源为最优蜜源，最优蜜源为TSP的最短路径。

摘要： 一种方法确定用于通过首先将图案中的孔分割成分组来根据图案在工件(142)中进行钻孔的次序。分组的全局次序通过解决全局旅行推销员问题(110；TSP)来确定，并且每个分组中的孔的局部次序通过解决每个分组的局部TSP(120)来确定。然后，根据分组的全局次序来结合孔的局部次序，以确定用于钻孔的完整次序。

摘要： 本发明公开了一种基于TSP服务的汽车空气净化系统及方法，涉及汽车VOC技术领域，包括：车内空气质量监测模块，用于检测车内空气质量信息；T‑BOX平台，与TSP平台通讯连接，T‑BOX平台用于接收TSP平台传输的车外空气质量信息；净化执行模块，设置在车内；控制模块，与车内空气质量监测模块和T‑BOX平台连接，控制模块用于根据车内空气质量信息和车外空气质量信息控制净化执行模块的运行；该净化系统通过T‑BOX平台接收TSP平台发送的车外空气质量信息，减少了车上传感器的数量，并且通过净化执行模块来提高净化空气的质量，并采用控制模块根据车内外空气质量信息来向净化执行模块发送指令，实现智能化控制。

摘要： 本发明提供TSP服务器访问控制方法，方法包括：步骤1、接收连接设备的访问请求；步骤2、验证访问ID的合法性；步骤3、根据所述访问ID的类别，判断所述连接设备发起的TSP访问目录是否合法，是则执行下一步，否则拒绝所述连接设备的访问请求；步骤4、计算所述连接设备的本次访问的信任值；步骤5、获取所述连接设备的预设数量的历史信任值；步骤6、根据所述历史信任值、本次访问的信任值计算得到综合信任值；步骤7、根据所述综合信任值确定访问控制策略。本发明实现了提高TSP服务器访问的安全性。