[1]汪松泉 程家兴.遗传算法和模拟退火算法求解TSP的性能分析[J].计算机技术与发展,2009,(11):97-100.
　WANG Song-quan,CHENG Jia-xing.Performance Analysis on Solving Problem of TSP by Genetic Algorithm and Simulated Annealing[J].,2009,(11):97-100.
点击复制

遗传算法和模拟退火算法求解TSP的性能分析()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2009年11期
页码:
97-100
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Performance Analysis on Solving Problem of TSP by Genetic Algorithm and Simulated Annealing
文章编号:
1673-629X（2009）11-0097-04
作者:
汪松泉1 程家兴2
[1]安徽大学计算机科学与技术学院[2]安徽大学计算智能与信号处理教育部重点实验室
Author(s):
WANG Song-quan;  CHENG Jia-xing
[1]School of Computer Science and Technology in Anhui University[2]Ministry of Edu. Key Lab. of Intelligent Computing ＆ Signal Processing,Anhui Univ.
关键词:
遗传算法; 模拟退火算法; TSP
Keywords:
genetic algorithm;  simulated annealing;  traveling salesman problem
分类号:
TP301.6
文献标志码:
A
摘要:
旅行商问题（Traveling Salesman Problem，TSP）是一个典型的组合优化问题，并且是一个NP难题，其可能的路径总数与城市数目是呈指数型增长的，所以一般很难精确地求出其最优解，因而寻找出有效的近似求解算法就具有重要的意义。目前求解TSP问题的主要方法有模拟退火算法（Simulated Annealing，SA）、遗传算法（Genetic Algorithm，GA）和神经网络算法等。GA是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化概率搜索算法。SA算法用于优化问题的
Abstract:
TSP is a typical combination optimization problem, which is also an NP hard - problem. Its size is increased by exponential n. So, it is hard to find a precision result,and it is very important to search for the near result. Currently, the main method of

相似文献/References:

[1]曹道友 程家兴.基于改进的选择算子和交叉算子的遗传算法[J].计算机技术与发展,2010,(02):44.
　CAO Dao-you,CHENG Jia-xing.A Genetic Algorithm Based on Modified Selection Operator and Crossover Operator[J].,2010,(11):44.
[2]范维博 周俊 许正良.应用遗传算法求解第一类装配线平衡问题[J].计算机技术与发展,2010,(02):194.
　FAN Wei-bo,ZHOU Jun,XU Zheng-liang.Appication of Genetic Algorithm to Assembly Line Balancing[J].,2010,(11):194.
[3]熊伟平 曾碧卿.几种仿生优化算法的比较研究[J].计算机技术与发展,2010,(03):9.
　XIONG Wei-ping,ZENG Bi-qing.Studies on Some Bionic Optimization Algorithms[J].,2010,(11):9.
[4]余晓光 严洪森 殷乾坤.基于Flexsim的车间调度优化[J].计算机技术与发展,2010,(03):44.
　YU Xiao-guang,YAN Hong-sen,YIN Qian-kun.Workshops Scheduling Optimization Based on Flexsim Simulation[J].,2010,(11):44.
[5]贺计文 宋承祥 刘弘.基于遗传算法的八数码问题的设计及实现[J].计算机技术与发展,2010,(03):105.
　HE Ji-wen,SONG Cheng-xiang,LIU Hong.Design and Implementation of Eight Puzzle Problem Based on Genetic Algorithms[J].,2010,(11):105.
[6]沈珏萍 庄亚明.基于Agent的二级供应链企业自动谈判研究[J].计算机技术与发展,2010,(03):121.
　SHEN Jue-ping,ZHUANG Ya-ming.A Research for Company Automatic Negotiation in Secondary Supply Chain Based on Agent[J].,2010,(11):121.
[7]张磊 王晓军.基于遗传算法的业务流程测试[J].计算机技术与发展,2010,(03):155.
　ZHANG Lei,WANG Xiao-jun.Test of Business Process Based on Genetic Algorithm[J].,2010,(11):155.
[8]余晓光 严洪森.基于禁忌搜索遗传混合算法的装配线平衡[J].计算机技术与发展,2010,(05):5.
　YU Xiao-guang,YAN Hong-sen.Assembly Line Balancing Based on Tabu Search and Genetic Hybrid Algorithm[J].,2010,(11):5.
[9]黄永聪 张旭[] 吴义纯 吴琦 程家兴.改进的径向基函数网络的研究及应用[J].计算机技术与发展,2010,(05):158.
　HUANG Yong-cong,ZHANG Xu,WU Yi-chun,et al.Research and Application of Improved Genetic Algorithm-Based RBFANN[J].,2010,(11):158.
[10]李俊 姜新.遗传算法在运动模糊图像恢复中的应用[J].计算机技术与发展,2010,(06):5.
　LI Jun,JIANG Xin.Application of Genetic Algorithm in Restoration of Motion Blurred Image[J].,2010,(11):5.
[11]徐留杰 王击 邹凤娇.基于降低网损和提高可靠性的配电网络重构[J].计算机技术与发展,2009,(02):193.
　XU Liu-jie,WANG Ji,ZOU Feng-jiao.Distribution Network Reconfiguration for Power Loss Reduction and System Reliability Improvement[J].,2009,(11):193.
[12]齐平 贾瑞玉 贾兆红 王会颖.用遗传模拟退火算法挖掘特征项权重的研究[J].计算机技术与发展,2007,(02):143.
　QI Ping,JIA Rui-yu,JIA Zhao-hong,et al.Using Genetic- Simulated Annealing Algorithm to Find Attribute Weighting[J].,2007,(11):143.
[13]贾丽会 张修如.BP算法分析与改进[J].计算机技术与发展,2006,(10):101.
　JIA Li-hui,ZHANG Xiu-ru.Analysis and Improvements of BP Algorithm[J].,2006,(11):101.
[14]邹腊梅 龚向坚.基于混合模拟退火-遗传算法和HMM的Web挖掘[J].计算机技术与发展,2012,(03):106.
　ZOU La-mei,GONG Xiang-jian.Web Mining Based on Hybrid Simulated Annealing Genetic Algorithm and HMM[J].,2012,(11):106.
[15]凌 静,江凌云,赵 迎.结合模拟退火算法的遗传 K-Means 聚类方法[J].计算机技术与发展,2019,29(09):61.[doi:10. 3969 / j. issn. 1673-629X. 2019. 09. 012]
　LING Jing,JIANG Ling-yun,ZHAO Ying.A Genetic K-Means Clustering Method Combined with Simulated Annealing Algorithm[J].,2019,29(11):61.[doi:10. 3969 / j. issn. 1673-629X. 2019. 09. 012]
[16]邵可南,吕成瑶,张帅帅,等.一种基于冷链低碳物流路径的混合优化算法[J].计算机技术与发展,2021,31(02):27.[doi:10. 3969 / j. issn. 1673-629X. 2021. 02. 005]
　SHAO Ke-nan,LYU Cheng-yao,ZHANG Shuai-shuai,et al.A Hybrid Optimization Algorithm Based on Low-carbon Cold Chain Logistic Route[J].,2021,31(11):27.[doi:10. 3969 / j. issn. 1673-629X. 2021. 02. 005]
[17]赵红梦,姜志侠*,曾 坤.一种用于公共自行车调度的改进 GA-SA 算法[J].计算机技术与发展,2021,31(10):184.[doi:10. 3969 / j. issn. 1673-629X. 2021. 10. 031]
　ZHAO Hong-meng,JIANG Zhi-xia*,ZENG Kun.An Improved GA-SA Algorithm for Public Bicycle Scheduling[J].,2021,31(11):184.[doi:10. 3969 / j. issn. 1673-629X. 2021. 10. 031]

备注/Memo

备注/Memo:
教育部博士点基金（200403057002）汪松泉（1984-），安徽怀宁人，硕士研究生，研究方向为机器学习、智能计算；程家兴，教授，博士生导师，研究方向为智能计算、算法分析及最优化方法
更新日期/Last Update: 1900-01-01