遗传蚁群tsp算法源码，使用遗传算法与蚁群算法结合来解决tsp问题，收敛速度快。
上传时间： 2014-01-16
上传用户：JasonC
遗传和蚁群算法改进源代码,对于研究仿真算法非常有用.可以深刻了解遗传和蚁群算法原理.采用VC6.0,通过编译和调试
上传时间： 2016-07-02
上传用户：wang5829
遗传算法和蚁群算法演示程序，可以面向初学两算法的人，提供一个良好的开始
上传时间： 2013-12-29
上传用户：yimoney
蚁群算法！遗传算法！
上传时间： 2016-08-28
上传用户：lo25643
c写的遗传和蚁群融合用于tsp的代码 很好的写论文的材料
上传时间： 2017-03-04
上传用户：朗朗乾坤
平时学习时搜集的算法书,聚类,神经网络,蚁群算,遗传算法
上传时间： 2017-06-17
上传用户：hjshhyy
遗传算法、模拟退火算法、蚁群算法三种算法求解旅行商问题
上传时间： 2017-04-17
上传用户：风之音谁懂
包括蚁群，模拟退火，遗传，神经网络，禁忌搜索等智能优化算法对TSP问题的解决。
标签：
上传时间： 2014-12-08
上传用户：小宝爱考拉
蚁群算法基本模型STEP1（外循环）若满足算法停止规则，停止计算，输出计算得到的最好解给定外循环的最大数目，表明有足够的蚂蚁工作当前最优解连续K次相同而停止，K是给定的整数，表示算法已收敛◆给定优化问题的下界和误差值，当算法得到的目标值同下界之差小于给定的误差值时，算法终止否则使蚂蚁s（1≤s≤m）从起点出发，用L（S）表示蚂蚁S行走的城市集合，初始L（s）为空集。设m只蚂蚁在图的相邻节点间移动，协作异步地得到解。蚂蚁计算出下一步所有可达节点的一步转移概率，并按此概率实现一步移动，依此往复。一步转移概率由图中每条边上的两类参数决定：信息素值、可见度（即先验值）。信息素的更新有2种方式：挥发——所有路径上信息素以一定比率减少增强——给评价值“好”（有蚂蚁走过）的边增加信息素蚁群算法基木模型令我们以求解平面上n个城市的TSP问题（1，2，…，n）表示城市号为例说明ACA的模型。n个城市的TSP问题就是寻找通过n个城市各次且最后回到出发点的最短路径蚁群算法研究现状令ACA是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法。10年多来的研究结果已经表明：ACA用于组合优化具有很强的发现较好解的能力，具有分布式计算易于与其他方法相结合、鲁棒性强等优点，在动态环境下也表现出高度的灵活性和健壮性。在求解TSP、QAP问题方面，与遗传算法、模拟退火算法等算法比较，ACA仍是最好的解决方法之一。
标签： 蚂蚁算法
上传时间： 2022-03-10
上传用户：
传统的PID控制对于控制模型不确定并具有非线性特性的对象时，存在参数难以整定、控制效果不好的缺点，文中提出了一种基于蚁群算法的PID调节算法，即利用蚁群算法动态调节PID的参数，实现对配料系统的控制，通过实验仿真的方式证明了该方法具有良好的控制效果及适应性。
上传时间： 2013-10-09
上传用户：ccccccc
