【正文】 Neighbour(int *i,int *result) //i代表父序列，result代表子序列。本程序代碼中利用上訴所講的 2opt 方法產(chǎn)生新的路徑。通過以上兩個函數(shù)代碼可以達到我們所希望達到的要求。}計算兩個城市之間的距離主要是根據(jù)坐標軸上的2點求距離公式計算的。counteramount1。 result = sqrt( (citycoordinate[x][0] citycoordinate[y][0]) * (citycoordinate[x][0] citycoordinate[y][0]) + (citycoordinate[x][1] citycoordinate[y][1]) * (citycoordinate[x][1] citycoordinate[y][1]) )。以備主函數(shù)調(diào)用文本文件中點的坐標軸位置進行計算兩個點之間的路徑距離建立個表格， 城市坐標表A4044B2414C1722D2276E5194F8765G6852H8436I6625J6126“”。1．城市坐標表的定義在這里我們選擇了簡單的TSP模型，應用10個點之間坐標。 return result。 t = alpha * t。 j = temp。 do { Neighbour(i,j)。 //每個溫度的迭代次數(shù),也就是每一個溫度上的平衡條件 int time = 0。 j[m] = 0。 int *i = new int[amount]。該系統(tǒng)設置的溫度下降系數(shù)為a=。2．溫度的下降函數(shù)溫度管理問題也是模擬退火算法難以處理的問題之一。溫度參數(shù)是模擬退火算法中一個關鍵的參數(shù)，初始溫度不夠高或退火時間不夠長將會使得搜索過快，從而使得算法容易陷于局部最優(yōu)解。 YYYYNNNN選擇初始路徑X0確定初始溫度T0當前路徑Xi=X0當前溫度Ti=T0當前路徑Xi=Xj△f=0Exp(△f/Ti)random(0,1)跳出內(nèi)循環(huán)跳出外循環(huán)結(jié) 束當前溫度Ti下降從Xi的鄰域中隨機選擇Xi，計算Xi與Xj的路程差△f=f(Xj)f(Xi)。目標函數(shù)：目標函數(shù)為訪問所有城市的路徑總長度。模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內(nèi)能減為最小。第三章提供了模擬退火算法的大體框架和組合優(yōu)化要注意的問題，這節(jié)將了解模擬退火算法的具體流程圖和算法模型描述以及模擬退火算法的參數(shù)控制問題在利用編寫出的模擬退火算法模型去解決之前所建立的TSP問題模型。當控制參數(shù)逐漸減小并趨于零時，系統(tǒng)亦越來越趨于平衡狀態(tài)，最后系統(tǒng)狀態(tài)對應于優(yōu)化問題的整體最優(yōu)解。算法的基本思想是從一給定解開始的，從鄰域中隨機產(chǎn)生另一個解，接受準則允許目標函數(shù)在有限范圍內(nèi)變壞。終止條件通常 取為連續(xù)若干個新解都沒有被接受時終止算法。模擬退火算法起源于物理退火。 TSP問題的示意圖。本課題開發(fā)語言選用c++語言，可以選用的開發(fā)平臺可以從c++語言平臺中選擇一種出來，本課題選用visual C++。開發(fā)語言必須是一種優(yōu)秀的面向?qū)ο蟪绦蛟O計語言并且適合于系統(tǒng)程序設計。通過對程序的理解和分析，這個課題項目應該分為2個階段進行。智能計算將探索智能的新概念，新理論，新方法和新技術，而這一切將在以后的發(fā)展中取得重大成就。目前的智能計算研究水平暫時還很難使“智能機器”真正具備人類的常識，但智能計算將在21世紀蓬勃發(fā)展。同遺傳算法比較，PSO的優(yōu)勢在于簡單容易實現(xiàn)并且沒有許多參數(shù)需要調(diào)整。PSO同遺傳算法類似，是一種基于疊代的優(yōu)化工具。4．粒子群優(yōu)化算法迄今為止，遺傳算法是進化算法中最廣為人知的算法。and它是在70年代初期由美國密執(zhí)根（Michigan）大學的霍蘭（Holland）教授發(fā)展起來的。3．遺傳算法當網(wǎng)絡達到穩(wěn)定狀態(tài)的時候，也就是它的能量函數(shù)達到最小的時候。即：網(wǎng)絡中的神經(jīng)元t時刻的輸出狀態(tài)實際上間接地與自己的t1時刻的輸出狀態(tài)有關。2．Hopfield神經(jīng)網(wǎng)絡，提出了Hopfiel神經(jīng)網(wǎng)絡。其末端的許多神經(jīng)末梢使得興奮可以同時傳送給多個神經(jīng)元。神經(jīng)系統(tǒng)的基本構造是神經(jīng)元(神經(jīng)細胞)，它是處理人體內(nèi)各部分之間相互信息傳遞的基本單元。其后，F(xiàn) “人工神經(jīng)網(wǎng)絡”(ARTIFICIALSupersequence)等問題[6]。由于這個算法利用了正反饋機制，使得較短的路徑能夠有較大的機會得到選擇，并且由于采用了概率算法，所以它能夠不局限于局部最優(yōu)解。如果有n個城市，需要對所有n個城市進行訪問且只訪問一次的最短距離[5]。 蟻群算法及其它算法原理典型的組合優(yōu)化問題有旅行商問題（Traveling Salesman Problem－TSP）、加工調(diào)度問題 （Scheduling Problem，如FlowShop，JobShop） 、01背包問題（Knapsack Problem）、裝箱問題（Bin Packing Problem）、圖著色問題 （Graph Coloring Problem）、聚類問題（Clustering Problem）等。自從擬陣概念進入圖論領域之后，對擬陣中的一些理論問題的研究成為組合規(guī)劃研究的新課題，并得到應用。在給定有限集的所有具備某些條件的子集中，按某種目標找出一個最優(yōu)子集的一類數(shù)學規(guī)劃。如何在初始解附近找出一個“好的解”是一項關鍵技術,它直接影響算法的收斂速度。因此，任何能使該問題的求解得以簡化的方法，都將受到高度的評價和關注。假設有一個旅行商人要拜訪n個城市，他必須選擇所要走的路徑，路經(jīng)的限制是每個城市只能拜訪一次，而且最后要回到原來出發(fā)的城市?？稍诖嘶A上開始下一輪試驗。事實表明，對大多數(shù)應用而言，這是計算目標函數(shù)差的最快方法。 (7) T逐漸減少，且T0，然后轉(zhuǎn)第2步。模擬退火算法可以分解為解空間、目標函數(shù)和初始解三部分。 模擬退火的基本思想模擬退火是一種通用概率算法，用來在一個大的搜尋空間內(nèi)找尋命題的最優(yōu)解。模擬退火算法主要應用在各種優(yōu)化問題上，函數(shù)優(yōu)化是其中非常重要的一個方面。模擬退火算法在TSP問題中的應用研究 第二章 相關知識介紹第二章 相關知識介紹本章主要介紹一些關于模擬退火算法的原理、TSP問題簡述以及相關重要算法的原理，并且對其進行了一些細致的闡述，以便于對模擬退火算法了解。目前求解TSP問題的主要方法有啟發(fā)式搜索法、模擬退火算法、遺傳算法、Hopfield神經(jīng)網(wǎng)絡算法、二叉樹描述算法。 發(fā)展趨勢TSP的歷史很久，最早的描述是1759年歐拉研究的騎士周游問題，即對于國際象棋棋盤中的64個方格，走訪64個方格一次且僅一次，并且最終返回到起始點。 模擬退火算法的背景模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內(nèi)能減為最小。 然而在科學管理與經(jīng)濟決策的許多應用領域中,現(xiàn)實世界存在著大量的多目標優(yōu)化問題。TSP(Traveling salesman Problem,旅行商問題)是指給定n個城市和各城市間的距離,要求確定一條經(jīng)過各個城市當且僅當一次的最短路線。幫助理解模擬退化算法的基本原理及其在TSP問題求解中的應用。模擬退火算法是將物理退火過程與組合優(yōu)化相結(jié)合在一起的一種隨機迭代尋優(yōu)算法，TSP問題即旅行商問題是一個組合優(yōu)化問題，該問題被證明具有NPC計算復雜性。作者簽名： 日期： 年 月 日學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。作者簽名：　　 　 　　 日　 期：　　 　 　　 學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。畢業(yè)論文（設計）題 目 模擬退火算法在TSP問題中的應用研究 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權說明本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學校可以采用影印、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。本人完全意識到本聲明的法律后果由本人承擔。作者簽名： 日期： 年 月 日導師簽名： 日期： 年 月 日目 錄摘 要 IIIABSTRACT IV第一章 前言 1 TSP問題的基本概念 1 模擬退火算法的背景 1 發(fā)展趨勢 1第二章 相關知識介紹 1 1 模擬退火的基本思想 1 算法對應動態(tài)演示步驟 1 TSP問題簡述 1 1 蟻群算法及其它算法原理 1 1 1第三章 問題描述與算法分析研究 1 1 1 1 1 TSP問題的描述和分析 1 1 1 1 1第四章 算法具體設計與編碼實現(xiàn) 1 1 1 1 1 1