# Introduction
启发式算法是相对于最优化算法提出的,是基于直观或者经验构造的算法,在可接受的开销(时间和空间)内给出待解决组合优化问题的一个可行解。
复现了一些TSP问题的相关算法,对TSP数据集st70.tsp进行了测试,并对此测试数据调整了参数,开箱即用。
# Algorithms
- [x] 动态规划(DP)
- [x] 遗传算法(GA)
- [x] 粒子群算法(PSO)
- [x] 模拟退火算法(SA)
- [x] 蚁群算法(ACO)
- [x] 自适应神经网络(SOM)
- [x] 禁忌搜索算法(TS)
- [ ] 指针网络(Pointer-network)[pytorch版本复现]
# Tips
1. 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
2. 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
3. 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
4. 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
5. 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
6. 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)
# Results
动态规划
![avatar](./img/DP.png)
遗传算法
![avatar](./img/GA.png)
粒子群算法
![avatar](./img/PSO.png)
模拟退火算法
![avatar](./img/SA.png)
蚁群算法
![avatar](./img/ACO.png)
自适应神经网络
![avatar](./img/SOM.png)
禁忌搜索
![avatar](./img/TS.png)
# refrence
[SMO复现代码](https://github.com/DiegoVicen/som-tsp)
没有合适的资源?快使用搜索试试~ 我知道了~
算法 .zip
共18个文件
py:8个
png:7个
tsp:1个
需积分: 5 0 下载量 44 浏览量
2023-12-28
19:58:08
上传
评论
收藏 240KB ZIP 举报
温馨提示
启发式算法包括动态规划(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)
资源推荐
资源详情
资源评论
收起资源包目录
启发式算法包括动态规划(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).zip (18个子文件)
newname
GA.py 10KB
data
st70.tsp 734B
ACO.py 8KB
TS.py 7KB
img
DP.png 36KB
ACO.png 34KB
SOM.png 33KB
TS.png 32KB
PSO.png 32KB
GA.png 31KB
SA.png 32KB
PSO.py 8KB
.gitignore 436B
DP.py 3KB
README.md 2KB
SA.py 6KB
Branch_and_Bound.py 5KB
SOM.py 7KB
共 18 条
- 1
资源评论
Lei宝啊
- 粉丝: 2051
- 资源: 1330
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功