导读:本文包含了旅行推销员问题论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:推销员,旅行,算法,火法,脱氧核糖核酸,启发式,下标。
旅行推销员问题论文文献综述
刘剑平[1]（2004）在《旅行推销员问题凸包方法的性能比分析》一文中研究指出在欧几里德平面上证明了旅行推销员问题的凸包方法的性能比上界为n/2,同时给出了凸包随意插入算法的性能比可以接近n/2的例子。另外,对凸包增量最小插入法、凸包最近插入法及凸包最近加入法给出了性能比不超过3的证明。(本文来源于《华东理工大学学报》期刊2004年06期）
束金龙,赵喆,戴巧燕[2]（2004）在《用遗传算法求解分组旅行推销员问题》一文中研究指出在遗传算法能够有效解决TSP问题[3][4]的基础上,根据遗传算法———通过搜索大规模,多样化的种群,在种群间交换个体所携带的遗传信息,保留种群中个体的优越遗传信息———的思想,设计了求解分组TSP问题的遗传算法。算法中染色体表示、评价函数的构造、杂交变异算子的设计经过实例计算的检验被证明较为可靠;算法运算速度快,容易获得有效解。(本文来源于《运筹与管理》期刊2004年01期）
张飞涟,裴赟[3]（2004）在《旅行推销员问题的凸包收缩法》一文中研究指出本文提出一种用凸包收缩来解决旅行推销员问题。首先形成一个凸包初始环路。然后 ,逐个考察凸包内的点 ,按照增加值从小到大的顺序依次插入 ,直至考察完所有的点。从而得到一个包含所有点的环路 ,即旅行推销员问题的一个满意解。(本文来源于《数学理论与应用》期刊2004年01期）
翟东海,靳蕃[4]（2003）在《用嵌套插队算法解决旅行推销员问题(英文)》一文中研究指出提出了一种求解 TSP问题的近似算法—嵌套插队算法。这种算法结合了启发式算法和随机化算法以及局部寻优的思想。实验结果表明对于较小规模的 TSP问题 ,直接用插队算法 ( QJA)就能以很大的概率获得已知最优解。对于规模较大的 TSP问题 ,嵌套插队算法 ( NQJA)能获得质量高于着名的启发式算法的解。另外 ,用嵌套插队算法找到的 China144的最短路径优于目前已知的最短路径。嵌套插队算法是专门针对 TSP问题而提出的 ,但其思想也可以给求解其他 NP难解的组合优化问题以启发(本文来源于《重庆邮电学院学报(自然科学版)》期刊2003年03期）
郭春沅[5]（2002）在《旅行推销员问题与DNA计算机》一文中研究指出从旅行推销员问题谈起假如你是一位软件推销员,要从北京出发去大连、上海、广州、昆明、重庆和西安推销公司新开发的一种软件。当然,你去这些城市的顺序无关紧要,只要你能走遍这几个城市就可以。这时,你最关心的可能就是如何旅行才能使你的旅行路程最短。也许,你会说,这很简单!只要找一张全国航线图,一一量起找出每条路线的总里程,再从中挑选出最短的那(本文来源于《百科知识》期刊2002年11期）
段禅伦,斯勤夫[6]（2001）在《关于旅行推销员问题的一个算法》一文中研究指出通过圈上结点下标自足方法 ,给出了一个关于旅行推销员问题的算法 .尽管该算法实质上无法改变问题的 NP-完全性的难度 ,但较分支定界法的执行速度快 ,比一些近似算法要好(本文来源于《内蒙古大学学报(自然科学版)》期刊2001年06期）
程爱娟[7]（2001）在《旅行推销员问题（TSP）的人工智能解法及其应用》一文中研究指出1.背景介绍 （1）旅行推销员问题旅行推销员问题（Travelling Salesman Problem）是一个传统的优化问题。这类问题并不存在固定的精确解。但存在最优解。这一问题的前提如下：假设有N个不同的城市，每个城市之间有道路相互联接。(本文来源于《新疆科技报(汉)》期刊2001-08-03）
蔚承建,何振亚,张毅锋,杨绿溪[8]（2000）在《基因多效性人口增量学习算法及其在旅行推销员问题中的应用(英文)》一文中研究指出本文扩展了基于人口的增量学习算法使其每个基因可呈现多个品质值 ,这反映了自然演化系统中基因型和表现型的多向性和多源性 ,提出了用熵来判断进化过程的可进化性 .用该方法求解典型的组合优化问题———旅行推销员问题 ,多数结果优于最好的进化算法结果(本文来源于《Journal of Southeast University(English Edition)》期刊2000年02期）
马良[9]（2000）在《旅行推销员问题的算法综述》一文中研究指出本文综述了旅行推销员问题 (TSP)近几十年来的算法研究进展 ,给出了一些主要算法的求解思想及其时间复杂度(本文来源于《数学的实践与认识》期刊2000年02期）
赵赫,杜端甫[10]（1998）在《遗传算法求解旅行推销员问题时算子的设计与选择》一文中研究指出主要讨论了在用遗传算法求解ＴＳＰ时，在算子的设计和选择方面应该注意的一些问题，并且给出了一些算子的分析和设计实例。(本文来源于《系统工程理论与实践》期刊1998年02期）
旅行推销员问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在遗传算法能够有效解决TSP问题[3][4]的基础上,根据遗传算法———通过搜索大规模,多样化的种群,在种群间交换个体所携带的遗传信息,保留种群中个体的优越遗传信息———的思想,设计了求解分组TSP问题的遗传算法。算法中染色体表示、评价函数的构造、杂交变异算子的设计经过实例计算的检验被证明较为可靠;算法运算速度快,容易获得有效解。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
旅行推销员问题论文参考文献
[1].刘剑平.旅行推销员问题凸包方法的性能比分析[J].华东理工大学学报.2004
[2].束金龙,赵喆,戴巧燕.用遗传算法求解分组旅行推销员问题[J].运筹与管理.2004
[3].张飞涟,裴赟.旅行推销员问题的凸包收缩法[J].数学理论与应用.2004
[4].翟东海,靳蕃.用嵌套插队算法解决旅行推销员问题(英文)[J].重庆邮电学院学报(自然科学版).2003
[5].郭春沅.旅行推销员问题与DNA计算机[J].百科知识.2002
[6].段禅伦,斯勤夫.关于旅行推销员问题的一个算法[J].内蒙古大学学报(自然科学版).2001
[7].程爱娟.旅行推销员问题（TSP）的人工智能解法及其应用[N].新疆科技报(汉).2001
[8].蔚承建,何振亚,张毅锋,杨绿溪.基因多效性人口增量学习算法及其在旅行推销员问题中的应用(英文)[J].JournalofSoutheastUniversity(EnglishEdition).2000
[9].马良.旅行推销员问题的算法综述[J].数学的实践与认识.2000
[10].赵赫,杜端甫.遗传算法求解旅行推销员问题时算子的设计与选择[J].系统工程理论与实践.1998
论文知识图
