TSP 是组合优化问题的典型代表,该文在分析了遗传算法的特点后,提出了一种新的遗传算法( GB—MGA) , 该算法将基因库和多重搜索策略结合起来,利用基因库指导单亲遗传演化的进化方向,在多重搜索策略的基础上利用 改进的交叉算子又增强了遗传算法的全局搜索能力。通过对国际TSP 库中多个实例的测试,结果表明:算法( GB — MGA) 加快了遗传算法的收敛速度,也加强了算法的寻优能力。

模拟退火算法和遗传算法求解TSP问题的源程序(有源代码和运行程序)

基于并行人工免疫算法的大规模TSP问题求解-基于并行人工免疫算法的大规模TSP问题求解.pdf 摘　要: 　为求解大规模TSP 问题,提出了并行人工免疫系统的塔式主从模型 ,和基于TMSM的并行免疫记忆克隆选择算法 . TMSM是粗粒度的两层并行人工免疫模型,其设计体现了分布式的免疫响应和免疫记忆机制. PIMCSA 用疫苗的迁移代替了抗体的迁移,兼顾了种群多样性的保持和算法的收敛速度. 与其他算法相比,PIMCSA 在求解精度和运行时间上都更具优势,而且问题规模越大优势越明显. TMSM很好