解旅行推銷商問題（TSP）的智能優(yōu)化算法.pdf

1、旅行推銷商問題(TSP)是組合優(yōu)化中的一個熱點問題，它有著廣泛的應用背景。運輸調度、機械手運動、旅游路線設計等眾多實際問題與TSP數(shù)學模型密切相關。TSP問題是一個典型的NP完全問題。傳統(tǒng)的優(yōu)化方法在求解TSP時有其自身的局限性，這就促使人們努力去尋找更好的解決辦法。 智能優(yōu)化算法是最近數(shù)十年來所發(fā)明的一些新優(yōu)化技術的統(tǒng)稱，包括人工神經網絡、遺傳算法、模擬退火、混沌、禁忌搜索及其混合優(yōu)化策略等等。其中，模擬退火算法源于物理和化學

2、的退火過程，它由Metropolis算法和退火過程所組成。遺傳算法是一種基于生物自然選擇和基因遺傳學原理而發(fā)明的優(yōu)化搜索方法，包含選擇、交叉和變異三個基本操作。螞蟻算法是根據螞蟻外出尋食時大多沿著外激素較多的短路徑行走特點而發(fā)明的。Hopfield網絡是一種循環(huán)神經網絡，從輸出到輸入有反饋連接，分離散型和連續(xù)型兩種。上述這些算法的發(fā)現(xiàn)為研究TSP等復雜問題提供了新的思路和手段。 本文做了以下一些工作。首先，我們介紹了人工神經網絡