旅行商

摘要： 随着经济的发展,物流配送等路径规划问题的重要性逐渐凸显。旅行商问题作为此类问题的经典之一,具有极高的研究价值。本文使用遗传算法研究这一问题的求解算法,重点聚焦于对于遗传算法中的精英选择策略的研究分析。实验表明,遗传算法是解决此类路径规划问题的有力手段,同时实验结果显示了精英选择策略是遗传算法中的关键环节,在实际应用中需要谨慎选择。

摘要： 高学政回复《商界》记者采访时,刚落地宁夏银川河东机场。2015年,被低价游大面积横扫后的云南旅游,频繁爆出导游打人、强买强卖的负面消息。经营云南专线批发14年的高学政,面临一个“游客不敢去、商家不敢卖”的困局。4年后,被重拳整治的云南游逐渐恢复了市场秩序,不料全国其他旅游目的地,又纷纷效仿当年的云南,大面积陷入低价游的畸形生态。传统旅行商的日子一天比一天难过。挣扎在产业链各个环节的从业者满脸疲态,接受采访时无不表示,“非常不喜欢,但又非常无奈”。

摘要： 引入自适应升温策略或使用蒙特卡罗策略的模拟退火算法在复杂TSP求解时分别表现出收敛缓慢和全局最优逼近能力有限的问题;而现有的混沌优化算法由于logistic映射的缺陷,削弱了其跳出局部最优的能力.故设计一种融合型算法框架,在框架中嵌入分片Lorenz混沌映射系统,加强混沌算法对邻域解的搜索均匀度;引入了贪婪策略构造逼近全局最优解的初始解,使算法具有跃迁到全局最优解邻域的能力;此外设计了振荡退火互补机制,改善了子迭代解筛选过程,增强算法全局搜索性能.实现算法后,使用国际公开TSPLIB算例,经过多轮对比测试,验证了新算法对TSP的求解性能指标优于对比组模拟退火算法和logistic混沌优化算法,具有更短的收敛时间和更强的全局最优逼近能力.

摘要： 8月18日,由国家文化和旅游部、宁夏回族自治区人民政府主办,宁夏回族自治区文化和旅游厅承办的中阿旅行商大会(中阿休闲旅游论坛),以"线上+线下""宁夏主会场+北京分会场"的形式,在宁夏、北京及线上同期成功举办。宁夏回族自治区党委常委、政法委书记,自治区副主席赖蛟在会上致辞。

摘要： 主要研究旅行商问题在工程项目中材料的运输问题,在对称条件下,考虑运费的最小值,利用蚁群算法求出一个相对最优解,从而使得运输成或运输路径最优,提高企业的经济效益.

摘要： 11月16日,由文化和旅游部、中国民用航空局、上海市人民政府共同主办的2020中国国际旅游交易会在上海新国际博览中心拉开序幕。本届交易会展览面积达到45,000平米(约1517个标准展位),参展单位近1500家,海外参展参会国家及地区约50个,国内参展参会省(市、自治区)31个。

摘要： 随着共享经济的到来,居民旅游消费需求发生了由大众向个性的转变,传统OTA的分销方式在迎来旅游行业大转型、高发展的同时,也面临着同质化与强竞争的严峻考验。传统在线旅游企业迎来了新的转型期。笔者通过对共享经济下的过剩产能理论知识的整理,结合智游啦的发展趋势,提出新形势下的经营重点由渠道共享向产品共享转型、由大数据指导营销向指导产品转型的途径,从利用过剩产能、重建共享平台、培养有影响力的合作者三方面提出具体转型方案。

摘要： 以排队论解决智能加工系统的动态调度问题:将等待的CNC作为排队者,RGV作为服务机构,定义不同的服务原则和不同的松弛条件,给出不同情况的动态调度模型和求解算法.首先,提出三种服务原则:先到先服务、距离最短、距离最优.然后针对三种情况分别定义松弛条件.在只有一道工序的物料加工作业情况下,首先在先到先服务的基础上加入人工调控,以CNC等待时间最小为目标函数,使用模拟退火算法在计算出最优路径为:1→4→3→8→7→6→5→2;然后在距离最短的服务原则下进行模拟仿真,得到最优路径为:1→2→3→4→5→6→7→8;然后在距离最优的原则下,通过观察数据发现,数据存在周期性,因此可以转化为旅行商问题,通过遗传算法进行求解,得到在周期中RGV运行时间最小的路径为:1→4→3→8→7→6→5→2.

摘要： 以排队论解决智能加工系统的动态调度问题:将等待的CNC作为排队者,RGV作为服务机构,定义不同的服务原则和不同的松弛条件,给出不同情况的动态调度模型和求解算法。首先,提出三种服务原则:先到先服务、距离最短、距离最优。然后针对三种情况分别定义松弛条件。在只有一道工序的物料加工作业情况下,首先在先到先服务的基础上加入人工调控,以CNC等待时间最小为目标函数,使用模拟退火算法在计算出最优路径为:1→4→3→8→7→6→5→2;然后在距离最短的服务原则下进行模拟仿真,得到最优路径为:1→2→3→4→5→6→7→8;然后在距离最优的原则下,通过观察数据发现,数据存在周期性,因此可以转化为旅行商问题,通过遗传算法进行求解,得到在周期中RGV运行时间最小的路径为:1→4→3→8→7→6→5→2。

摘要： 文章基于原禁忌搜索的思想,采用启发式信息求得初始解,然后在所有可能的邻域候选解中选最优,并讨论了其参数变化的效果影响,旨在实现简单TS算法,其次,以中国旅行商问题为例进行了测试并与传统的Hopfield神经网络,贪心算法求解进行了比较,禁忌搜索算法具有强健、快速和高效的特点,最后,文章对其后续发展前景赋予了极大的期望.

摘要： 蚁群算法(ACO)作为一类新型的仿生学算法，已经在广泛应用于工业工程领域。相对于其他算法，蚁群算法的求解性能尚需改进。由Collignon和Viola等提出的基于互信息理论的图像配准思想，为解决这一问题提供了一个新颖的途径。借鉴这一信息论思想，本文提出了一种基于互信息的混合蚁群算法，并将其应用在旅行商问题上，根据旅行商问题的特定环境，对混合蚁群算法的算式进行了相应的化简，使在解决此类问题上，算法的实现更加简便、可操作。通过实验与传统算法对比，表明本文提出的算法在求解性能和跳出局部最小解方面有了一定的提高。

摘要： 利用遗传算法求解旅行商问题,交叉算子可能破坏父代染色体遗传下来的优秀基因组,采用改进的单亲遗传算法可以避免这个问题,且不失染色体的多样性,利用两种贪心算法产生初始染色体,可以使算法更快更准地找到最优解,仿真实验证实了算法的有效性.

摘要： TSP(旅行商)问题是在最优化组合诸多难题中一个典型的NP问题.这类难题是已知经典数学中的近似算法所无法完美解决的.本文基于白组织学习及协同神经网络方法提出了TSP问题的一种新的解决方案并通过计算机的动态拓扑模拟解决了C-TSP(中国旅行商)问题.文中分析比较了相对于Hopfield神经网络中经典算法,新的自组织学习算法的优越性.应用文中所给新的算法,TSP问题可以得到快速有效地解决.

摘要： 如何在战场上以高效、合理、科学的方法为作战单位提供资源保障是一个很重要的问题,文章以装备战时资源部署为着眼点,讨论分析了研究装备战时资源部署的重要性,提出应用解决旅行商问题的办法解决资源部署问题,并以实例的形式说明求解问题的方法及步骤,从而验证了方法的有效性。

摘要： 该文主要分析了数据挖掘的有关概念及其数据挖掘的过程,详细阐述了遗传算法的基本思想、步骤及其在数据挖掘中的应用,以遗传算法在旅行商问题中的应用为例,全面分析了遗传算法在数据挖掘中的应用过程及其实现的计算效果,同时对简单的遗传算法在数据挖掘应用中存在的问题进行了讨论。

摘要： 根据蚁群算法与粒子群优化算法的特性,提出了求解旅行商问题的混合算法.首先随机产生若干组比较好的解生成信息素分布,然后由蚁群算法根据累计更新的信息素找出若干组解后,再由粒子群算法进行交叉、变异操作,得到更有效的解.与模拟退火算法、标准遗传算法和蚁群算法进行比较,16种混合算法效果都比较好,其中交叉策略B和变异策略B的混合算法效果最好.

摘要： 本发明涉一种基于改进和声搜索优化蚁群算法旅行商问题求解方法，包括以下步骤：(1)城市十进制编码，和声算法解向量设置，构建目标函数；(2)初始化蚁群参数；(3)初始化蚂蚁位置；(4)选择下一个城市，并进行局部信息素浓度更新；(5)重复执行步骤(4)直到当前蚂蚁访问完所有城市；(6)哨兵策略；(7)重复执行步骤(3)到步骤(6)直到所有蚂蚁完成访问所有城市；(8)记忆库更新、计算记忆库所有和声目标函数值的平均值LA和构建解向量库；(9)采用改进和声算法产生新和声记。

摘要： 本发明公开了一种基于伪旅行商问题的船舶引航排班方法与装置，涉及一种船舶引航排班问题模型与基于伪旅行商问题的求解方法。方法依次包括以下步骤：根据问题描述，确定问题约束条件，建立船舶引航排班数学模型；将船舶引航排班问题数学模型转化为伪旅行商问题模型；采用改进智能水滴算法求解该伪旅行商问题模型，找出最优引航排班计划。本发明针对智能水滴算法启发性不足，容易陷入局部最优等缺点，提出了基于最优候选结点子群的选择策略，提高了搜索效率和算法精度，采用改进智能水滴算法，求解引航员指派模型，有效提高了求解结果的精度。

摘要： 本发明提供了一种基于赋权图和多旅行商的高铁路网维修调度方法及设备。所述方法包括：根据任意相邻站点的距离，得到待维修两站点间的最短距离；获取待维修两站点间的相邻站点在不同机车运动规则下的机车行驶至待维修路段时长、维修时长和返回起始站点时长，确定高铁路网维修调度假设条件；将全部路段分配给若干台机车，得到每一机车维修任务完成所花费的时长；根据优化约束条件，确定若干台机车完成全部路段维修任务时长之和的最小值。本发明可以充分地利用现有的养护资源完成所有高铁路段养护任务，将总的养护成本降至最低，具有通用性高、扩展性强、求解算法适配度好的优点。

摘要： 本发明的联系批发旅行商品旅行社和零售旅行商品旅行社的管理方法的特征在于由以下步骤组成：批发旅行商品旅行社通过互联网连接到综合管理服务器；对所述批发旅行商品旅行社的认证数据和使用权限进行认证；根据所述使用权限将用于生成旅行商品的信息提供给所述批发旅行商品旅行社；所述批发旅行商品旅行社根据用于生成所述旅行商品的信息来生成旅行商品并存储在所述综合管理服务器的DB中；零售旅行商品旅行社与所述综合管理服务器连接；对所述零售旅行商品旅行社的认证数据和使用权限进行认证；而且，所述零售旅行商品旅行社使用所述综合管理服务器的DB中存储的所述旅行商品信息。

摘要： 本发明公开了一种基于覆盖旅行商问题求解的路径规划方法，属于人工智能的强化学习、深度学习和组合优化领域。所述方法通过利用深度神经网络自动挖掘实例特征的特点提出了新的模型来求解CSP问题，解决了传统方法需要过多的领域知识进行求解的缺点，并极大地提高了求解速度。针对现有深度神经网络求解质量低的问题，采用了数据增强的方式扩充样本数量，利用多起点技术多次求解减少了预测误差，并提出了针对CSP问题的Mask策略对解的构造进行约束。结合简单局部搜索算法进行改进，进一步地提高了求解质量。与现有的DNN求解方法相比显著缩小了最优间隙，与启发式算法相比取得了超过20倍的速度提升，更适合在实时性要求高的场景中使用。

摘要： 本发明公开了一种求解广义旅行商问题的圈生成算法，包括以下步骤：S1、搜索所有服务节点之间的最短路，将GTSP转化为TSP；S2、构建初始费用矩阵；S3、构造指派问题并求解；S4、由指派问题的解获取联接了网路中所有元素的序列集合；S5、由序列生成圈、合成圈；S6、判断是否生成最终回路，如果是，输出结果；否则计算圈之间的费用并构造费用矩阵，返回S3进行构造指派问题生成圈,直到生成一个圈时结束算法。根据本发明，可以在多项式时间内求得一个NP难问题的近似最优解，避免了现有方法计算效率低下的问题。

摘要： 本发明公开一种基于深度强化学习的二次旅行商问题求解方法和系统，方法包括以下步骤：S1：定义二次旅行商问题，即在有向完全图中的某一顶点，访问剩余所有点集一次且仅一次后回到出发点所需的旅行成本；S2：构建求解二次旅行商问题的深度强化学习框架；S3：通过所述深度强化学习框架求解所述二次旅行商问题，得到访问点序列。本发明在极短时间内就能求得二次旅行商问题的近似解，避免了精确解方法求解时间过长，不能实时计算，实时响应，甚至对于问题规模的扩大，并不能得到有效解的问题；同时由于深度强化学习框架模型的拟合能力，避免了启发式算法对迭代计算框架的搭建以及设计者的专业知识的依赖。

摘要： 本发明涉及计算机人工智能技术领域，公开了一种基于改进的鲸鱼优化算法的旅行商问题求解方法，包括：设置算法参数；利用混沌映射初始化种群位置；计算个体适应度并记录当前最优解个体；进入迭代阶段，得到更新的概率p；通过判断概率p和系数向量A，选择一种方式更新鲸鱼位置；进入模拟退火阶段，计算新的种群适应度；依据贪婪规则判断位置是否进行更新，更新则输出全局最优鲸鱼位置和适应度，否则直接以模拟退火概率P接受新种群的位置，然后输出全局最优鲸鱼位置和适应度，选择适应度值最小的作为最优路径。与现有技术相比，本发明精度更高、收敛速度快、鲁棒性强和全局搜索范围广，能够跳出局部最优，具有突出的性能。

摘要： 本发明提供一种基于混合元启发式算法的旅行商最优路径确定方法，属于旅行商技术领域，构建旅行商问题，设置初始狼群中狼的数量N；通过随机贪婪策略在初始狼群中构造N条初始回路，N条初始回路为N条狼的N个初始解的组合；计算每个初始解的路径花费，并选择路径花费前三小的初始解所对应的狼的组合作为原始最优解；通过局部搜索算法对含有原始最优解的狼群进行迭代更新，获取当前轮次的前3个最优解；利用当前轮次的最优解进行下一轮次的狼群迭代计算，直至达到设定的迭代次数，并获取末次迭代的前3个最优解；获取末次迭代的前3个最优解中第一条头狼代表的解，作为旅行商问题的最优路径。具有提升初始解质量和旅行商最优路径获取精度的技术效果。

摘要： 本发明公开了一种基于BAS改进的粒子群优化算法求解旅行商问题的方法，其步骤为：S1、初始化相关参数，包括城市数量、粒子群数量以及最大迭代次数；S2、初始化城市坐标、每个粒子的位置和速度；S3、通过BAS算法产生随机速度，并根据适应度大小选择速度；S4、更新每个粒子的位置和速度；S5、分别保存个体最优和群体最优；S6、重复步骤S3、S4和S5，当迭代次数达到预设的上限后，停止迭代；S7、停止迭代后，输出当前群体最优对应的位置序列。本发明在传统的粒子群算法中引入了BAS算法，利用BAS算法更新粒子群的速度和位置，可以解决传统粒子群算法容易陷入局部最优的缺点，该方法提高了搜索速度，并且更加稳定，提高了解决旅行商问题的效率。