首页/论文/1209.5339

arXiv 1209.53392012-09-24cs.NE

改进的贪婪交叉算法求解对称旅行商问题

Developing Improved Greedy Crossover to Solve Symmetric Traveling Salesman Problem

Hassan Ismkhan, Kamran Zamanifar

备注：: International Journal of Computer Science Issues, Volume 9, Issue 4, No 3, July 2012

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

旅行商问题（TSP）是最著名的优化问题之一。在用遗传算法求解对称TSP问题时，可以采用Greffenstette等人设计的贪婪交叉算子。研究人员已经提出了几个版本的贪婪交叉。本文提出了一种改进的贪婪交叉算法，将该算法与最近的几种交叉算法进行了比较，并将该算法与最近的几种交叉算法用于遗传算法中，比较了它们的速度和精度。

英文摘要：

The Traveling Salesman Problem (TSP) is one of the most famous optimization problems. Greedy crossover designed by Greffenstette et al, can be used while Symmetric TSP (STSP) is resolved by Genetic Algorithm (GA). Researchers have proposed several versions of greedy crossover. Here we propose improved version of it. We compare our greedy crossover with some of recent crossovers, we use our greedy crossover and some recent crossovers in GA then compare crossovers on speed and accuracy.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

求解动态旅行商问题的一种新方法：蚁群算法与梯度下降算法的混合

A new approach in dynamic traveling salesman problem: a hybrid of ant colony optimization and descending gradient

基于群体智能的算法在求解动态旅行商问题中得到了广泛的应用.针对DTSP算法与蚁群算法在蒸发速率和新息数据方面的差异，采用蚁群算法和梯度下降混合算法对DTSP进行优化。该方法避免了算法的早熟收敛和脱离局部最优点，使算法能够找到更好的解。本文提出了梯度下降算法和蚁群算法，并与以往的一些方法进行了比较，表明该算法在路径优化方面有明显的改进。

2013-07-29cs.NE

用标记法求解旅行商问题

Solving Traveling Salesman Problem by Marker Method

本文采用标记法，提出了一种新的变异算子，在所有近邻中选择最近的近邻来解决旅行商问题。

2013-07-22cs.DScs.NEmath.OC

学习引导的迭代局部搜索求解最小最大多旅行商问题

Learning-guided iterated local search for the minmax multiple traveling salesman problem

针对最小最大多旅行商问题，提出一种学习驱动的迭代局部搜索算法，结合激进局部搜索与多臂老虎机算子选择，在77个基准实例上取得32个新最优解并匹配35个最优解。

2024-03-19cs.NE

求解旅行商问题的一种带局部优化策略和额外变异水平的改进遗传算法

An improved genetic algorithm with a local optimization strategy and an extra mutation level for solving traveling salesman problem

旅行商问题（TSP）在大多数情况下被证明是NP完全的。遗传算法（GA）是解决这一问题最有效的算法之一。本文比较了传统遗传算法和改进的混合遗传算法在求解TSP问题中的性能。改进的遗传算法或混合遗传算法由传统遗传算法和两种局部优化策略组成。第一种策略是抽取包含四个样本城市的所有序列组，并将两个中心城市相互替换。第二种局部优化策略类似于额外的变异过程。在该步骤中，以低概率选择样本。在这个样本中，定义了两个随机城市，这些城市之间的路径是反向的。计算结果表明，该方法也发现更好的路径比传统的遗传算法在可接受的计算时间。

2014-09-10cs.NE

基于Hadoop集群的MapReduce框架下并行遗传算法求解旅行商问题

Parallel Genetic Algorithm to Solve Traveling Salesman Problem on MapReduce Framework using Hadoop Cluster

旅行商问题（TSP）是组合优化中最常研究的问题之一。给定城市列表和它们之间的距离，问题是找到最短的旅行可能访问列表中的所有城市一次，并在它开始的城市结束。尽管旅行商问题是一个NP难问题，但人们已经提出了很多方法和解决方案。遗传算法就是其中之一。遗传算法是求解旅行商问题的一种简单而有效的探试法。在本文中，我们将展示一个并行的遗传算法的MapReduce框架的实现，以解决旅行商问题。MapReduce是一个用于支持计算机集群上的分布式计算的框架。我们使用免费许可的Hadoop实现作为MapReduce框架。

2014-01-24cs.DCcs.NE

求解旅行商问题的一种强有力的遗传算法

A Powerful Genetic Algorithm for Traveling Salesman Problem

Sun Yat-sen University（中山大学）

提出了一种求解旅行商问题的高效遗传算法。为了构建一个强大的GA，我使用边缘交换（ES）与局部搜索过程，以确定良好的组合的构建块的父解决方案，以产生更好的后代解决方案。在TSP基准上的实验结果表明，该算法在多达16,862个城市的实例中找到高质量的解决方案是有竞争力的。

2014-02-19cs.AIcs.NE

更多相关论文收起更多论文

一种用于带无人机旅行商问题的具有类型感知染色体的混合遗传算法

A Hybrid Genetic Algorithm with Type-Aware Chromosomes for Traveling Salesman Problems with Drone

针对带无人机旅行商问题（TSPD）和飞行伙伴旅行商问题（FSTSP），提出一种结合局部搜索与动态规划的混合遗传算法，通过类型感知染色体分别生成卡车与无人机序列，在多数基准实例上优于现有算法并刷新多项最优解。

2024-04-30cs.NE

旅行商问题的改进自组织映射解法

Enhanced Self-Organizing Map Solution for the Traveling Salesman Problem

Institute for Advanced Studies（高等研究院）；Aeronautics Institute of Technology（航空技术学院）

使用增强的自组织映射方法，我们提供了次优的解决方案的旅行商问题。此外，我们采用超参数调整，以确定算法中的最关键的功能。基准测试工作中的所有改进都带来了一致的结果，可能会激发未来改进该算法并将其应用于不同问题的努力。

2021-12-03cs.AIcs.LGcs.NE

自适应交叉算子在求解旅行商问题的遗传算法中的比较研究

A Comparative Study of Adaptive Crossover Operators for Genetic Algorithms to Resolve the Traveling Salesman Problem

遗传算法包括一些参数，应调整，使算法可以提供积极的结果。交叉算子在构造竞争遗传算法中起着非常重要的作用。本文讨论了旅行商问题（TSP）中各种交叉算子的基本概念特征和具体特性。六个以上不同的交叉算子的TSP的实验比较结果。实验结果表明，OX算子能够获得比其他算子更好的解。

2012-03-14cs.CEcs.NE

遗传算法与旅行商问题

Genetic Algorithms and the Traveling Salesman Problem a historical Review

Hamburg University of Applied Sciences（汉堡应用技术大学）

本文对求解旅行商问题的遗传算法的历史发展作了高度抽象的评述。在元数据分析中，可以区分开发的三个阶段。1996年之前可以观察到兴趣的第一次指数增长，2011年之前保持线性增长，之后出版物恶化。这三个阶段的审查和主要的里程碑。最后对今后的工作进行了展望。

2019-01-17cs.LGcs.NEstat.ML

求解旅行商问题的遗传算法中组合交叉算子的新机制

New mechanism of combination crossover operators in genetic algorithm for solving the traveling salesman problem

Tay Bac University（西北大学）；Hanoi University of Science and Technology（河内科技大学）；Le Quy Don Technical University（黎魁盾技术大学）

旅行商问题（TSP）是计算机领域的一个著名问题。针对求解TSP问题的遗传算法，已有许多研究对其进行了改进。本文提出了两种新的交叉算子和组合交叉算子的新机制，用于求解TSP问题的遗传算法。在TSP-Lib中的TSP实例上进行了实验，并与基于MSCX的遗传算法（GA）进行了比较。实验结果表明，该算法在最小、平均代价值上优于基于MSCX的遗传算法。

2020-01-14cs.AIcs.NE

双准则非对称旅行商问题Pareto集的约简

Reduction of the Pareto Set in Bicriteria Asymmetric Traveling Salesman Problem

研究了双准则非对称旅行商问题（bi-ATSP）。多准则问题的最优解通常被认为是Pareto集，而Pareto集在现实问题中是相当广泛的。我们适用于双ATSP的公理化方法的Pareto集减少V. Noghin提出的。我们确定了一系列的“量子信息”，保证减少的帕累托集的双ATSP的特定情况下。利用一种新的多目标遗传算法构造了双ATSP的Pareto集近似。本文进行的实验评估表明，减少的程度的Pareto集近似的各种“量子信息”和各种结构的双ATSP实例随机生成。

2018-05-27cs.DMcs.NE

用蚂蚁算法求解广义旅行商问题

The Generalized Traveling Salesman Problem solved with Ant Algorithms

North University Baia Mare（北巴亚马雷大学）；Babes-Bolyai University（巴贝什-博尧伊大学）

考虑了一个著名的NP-困难问题，称为广义旅行商问题（GTSP）。在GTSP中，完全无向图的节点被划分成簇。我们的目标是找到一个最低成本的旅游通过每个集群中的一个节点。给出了求解该问题的一个精确指数时间算法和一个有效的元启发式算法。提出的元启发式算法是一种改进的蚁群系统（ACS）算法，称为增强蚁群系统（RACS），它在ACS算法中引入了新的校正规则。许多标准的测试问题的计算结果报告。所提出的算法是竞争力与其他已经提出的算法的GTSP在解决方案的质量和计算时间。

2013-10-09cs.AIcs.NE

广义流动推销员问题的离散状态转移算法

A Discrete State Transition Algorithm for Generalized Traveling Salesman Problem

Central South University（中南大学）

广义流动推销员问题（GTSP）是经典流动推销员问题（TSP）的推广，是一个组合最优化问题，是一个NP难问题。本文提出了一种有效的求解GTSP问题的离散状态转移算法（DSTA），该算法引入了一种新的局部搜索算子\textit{K-circle}，以空间邻域信息为指导，缩小了搜索空间，增强了搜索能力。一种新的鲁棒更新机制，恢复概率和风险的概率（双R概率），在我们的工作中使用，以逃避局部极小值。所提出的算法进行了测试一组GTSP的实例。实验结果表明，与其他算法相比，DSTA算法具有较强的适应性和较好的搜索能力。

2013-04-29cs.AIcs.NEmath.OC

NeuFACO：面向旅行商问题的神经聚焦蚁群优化

NeuFACO: Neural Focused Ant Colony Optimization for Traveling Salesman Problem

College of Engineering and Computer Science, VinUniversity（工程与计算机科学学院，Vin大学）；School of Information and Communications Technology, Hanoi University of Science and Technology（信息与通信技术学院，河内科学技术大学）；University of Engineering and Technology, Vietnam National University（工程大学，越南国家大学）

NeuFACO将PPO训练的图神经网络与增强型ACO相结合，通过摊销推理和随机探索高效求解多样TSP实例。

2025-09-23cs.LGcs.NE

协同进化指针网络与强化学习加速遗传算法求解大规模TSP问题

Accelerating the Genetic Algorithm for Large-scale Traveling Salesman Problems by Cooperative Coevolutionary Pointer Network with Reinforcement Learning

Grad. School of Info. Science；Technology Hokkaido University Sapporo, Japan \ .；Technology Hokkaido University Sapporo, Japan；Information Initiative Center Hokkaido University Sapporo, Japan

本文提出了一种求解大规模旅行商问题的两阶段优化策略CCPNRL-GA。首先，我们假设一个表现良好的个人作为精英的参与可以加速优化的收敛。基于这一假设，在第一阶段，我们聚类的城市和LSTSP分解成多个子组件，每个子组件的优化与可重用的指针网络（PtrNet）。在子组件优化之后，我们将所有的子路径组合起来形成一个有效的解决方案，这个解决方案加入了第二阶段的优化与遗传算法。我们验证了我们的建议在10个LSTSP的性能，并将其与传统的EA。实验结果表明，精英个体的参与可以大大加快LSTSP的优化速度，该算法在LSTSP问题上具有广阔的应用前景。

2022-09-27cs.LGcs.NE