Evi*_*ach 4 artificial-intelligence heuristics traveling-salesman nearest-neighbor genetic-algorithm
在过去的几天里,我已经注意到了几个网站 的网站是展示了使用遗传算法TS解决方案.
哪种方法在TSP问题中产生较短的旅程:最近邻居或遗传算法？
由于这两种技术都不能保证最佳解决方案,因 幸运的是,任何一种技术都可以胜过另一种技术.这两种技术都有利有弊.
最近邻:+快,+简单, - 通常不是最佳的
遗传算法: - 更慢,更复杂,+解决方案随着时间的推移趋向于最优化
最大的区别在于模拟退火和遗传算法等随机算法可能会随着时间的推移而不断改进 - 让它们运行的时间越长,您获得最佳解决方案的可能性就越大(尽管没有保证).
由于NN很快,所以没有什么可以阻止你组合这些技术.运行NN以找到可能比随机更好的起始解决方案.然后,将该解决方案提供给您的遗传算法,并在您认为合适的时候让它运行.
如果您对最佳解决方案感兴趣,请查看Lin-Kernighan启发式和线性规划.两人都用来寻找大旅游,包括优化的解决方案这个解决方案为85900城市观光和24978城市瑞典之旅.
在乔治亚理工学院TSP网站是一个很好的资源.
| 归档时间： |
|
| 查看次数： |
1595 次 |
| 最近记录： |