解决TSP问题算法大全
在本片资源中提出了包括#动态规划(DP)，遗传算法(GA)，粒子群算法(PSO)，模拟退火算法(SA)，蚁群算法(ACO)，自适应神经网络(SOM)，禁忌搜索算法(TS)[*]遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作
[*]粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉
[*]模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量
[*]蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多
[*]自适应神经网络核心要素：获胜神经元的定义方式，获胜领域的大小，竞争型神经网络，常用于聚类方法
[*]禁忌搜索算法核心要素：禁忌表长度，产生随机解的方式，本实现中为两两交换枚举（大规模节点不适用）具体资源在附件中
页:
[1]