众文网1.
添改了一些词，有几个句子稍微改了一下顺序，有的变为从句连贯些，供参考~Traveling Salesman Problem(TSP)is a typical NP-hard problem in combinatorial optimization field, of which the solution time is exponential with the increase of the problem scale.Since traditional optimization algorithm fails to meet demand, what based on intelligent algorithms for TSP has been a hot topic in recent years. Simulated annealing algorithm is a random iterative optimization algorithm that combines the physical annealing process and Combinatorial Optimization,which converges to the overall optimal solution by Metropolis criteria.Using Simulated annealing algorithm to solve the TSP problem is an ideal method. This design uses simulated annealing algorithm to solve TSP problem, and has made designs of the city's position and its algorithm rules, according to the characteristics of TSP problem and simulated annealing algorithm. A basic window is constructed based on C++, which has defined random city positions in the window. At the same time, neighborhood search methods and the Calculation of Path difference are designed to speed up algorithm speed. Experimental test results show that this design has achieved good effects.。
2.TSP问题数学模型的问题分析
旅行商问题要从图G的所有周游路线中求取最小成本的周游路线，而从初始点出发的周游路线一共有（n-1）！条，即等于除初始结点外的n-1个结点的排列数，因此旅行商问题是一个排列问题。
排列问题比子集合的选择问题通常要难于求解得多，这是因为n个物体有n！种排列，只有 个子集合（n!>O（ )）。通过枚举（n-1）！条周游路线，从中找出一条具有最小成本的周游路线的算法，其计算时间显然为O(n！)。
枚举法思想：程序中采用深度优先策略。（采用隐式和显式两种形式）枚举算法的特点是算法简单，但运算量大，当问题的规模变大，循环的阶数越大，执行的速度越慢。
如果枚举范围太大（一般以不超过两百万次为限），在时间上就难以承受。在解决旅行商问题时，以顶点1为起点和终点，然后求{2…N}的一个全排列，使路程1→{2…N}的一个全排列→1上所有边的权（代价）之和最小。
所有可能解由（2,3,4，…，N）的不同排列决定。为便于讨论，介绍一些关于解空间树结构的术语。
在下面分析回溯法和分支限界法时都直接或间接用到解空间树。在解空间树中的每一个结点确定所求问题的一个问题状态（problem state）。
由根结点到其它结点的所有路径则确定了这个问题的状态空间（state space）。解状态（solution states）表示一些问题状态S，对于这些问题状态，由根到S的那条路径确定了这解空间中的一个元组。
答案状态（answer states）表示一些解状态S，对于这些解状态而言，由根到S的这条路径确定了这问题的一个解（即，它满足隐式约束条件）。解空间的树结构称为状态空间树（state space tree）。
对于旅行商问题，一旦设想出一种状态空间树，那么就可以先系统地生成问题状态，接着确定这些问题状态中的哪些状态是解状态，最后确定哪些解状态是答案状态，从而将问题解出。为了生成问题状态，采用两种根本不同的方法。
如果已生成一个结点而它的所有儿子结点还没有全部生成，则这个结点叫做活结点。当前正在生成其儿子结点的活结点叫E-结点。
不再进一步扩展或者其儿子结点已全部生成的生成结点就是死结点。在生成问题状态的两种方法中，都要用一张活结点表。
在第一种方法中，当前的E-结点R一旦生成一个新的儿子C，这个儿子结点就变成一个新的E-结点，当完全检测了子树C之后，R结点就再次成为E-结点。这相当与问题状态的深度优先生成。
在第二种状态生成方法中，一个E-结点一直保持到死结点为止。这两种方法中，将用限界函数去杀死还没有全部生成其儿子结点的那些活结点。
如果旅行商问题要求找出全部解，则要生成所有的答案结点。使用限界函数的深度优先结点生成方法称为回溯法。
E-结点一直保持到死为止的状态生成方法称为分支限界法。 为了应用回溯法，所要求的解必须能表示成一个n- 元组（x1，…，Xn），其中x1是取自某个有穷集Si。
通常，所求解的问题需要求取一个使某一规范函数P(x1，…，Xn)取极大值（或取极小值或满足该规范函数条件）的向量。假定集合Si的大小是mi，于是就有m=m1m2…Mn个n-元组可能满足函数P。
所谓硬性处理是构造这m个n-元组并逐一测试它们是否满足P，从而找出该问题的所有最优解。而回溯法的基本思想是，不断地用修改过的函数Pi(x1，…Xi)（即限界函数）去测试正在构造中的n-元组的部分向量（x1，…，Xi），看其是否可能导致最优解。
如果判定（x1，…，Xi）不可能导致最优解，那么就可能要测试的后n-i个元素组成的向量一概略去。因此回溯法作的次数比硬性处理作的测试次数（m次）要少得多。
用回溯法求解的旅行商问题，即在枚举法的基础上多了一个约束条件，约束条件可以分为两种类型：显示约束和隐式约束。分支限界法思想：本题采用FIFO分支限界法。
如前所述，分支限界法是在生成当前E-结点全部儿子之后再生成其它活结点的儿子，且用限界函数帮助避免生成不包含答案结点子树的状态空间的检索方法。在总的原则下，根据对状态控件树中结点检索的次序的不同又将分支限界设计策路分为数种不同的检索方法。
在求解旅行商问题时，程序中采用FIFO检索（First In First Out），它的活结点表采用一张先进先出表（即队列）。可以看出，分支限界法在两个方面加速了算法的搜索速度，一是选择要扩展的节点时，总是选择选择一个最小成本的结点，尽可能早的进入最有可能成为最优解的分支；二是扩展节点的过程中，舍弃导致不可行解或导致非最优解的子结点。
贪心法是一种改进了的分级处理方法。它首先对旅行商问题进行描述，选取一种度量标准。
然后按这种度量标准对n个输入城市排序，并按序一次输入一个城市。如果这个输入和当前已构成在这种量度意义下的部分最优解加在一起不能产生一个可行解，则不把这个城市加入到这部分解中。
这种能够得到某种量度意义下的最优解的分级处理方法成为贪心方法。获得最优路径的贪心法应一条边一条边地构造这棵树。
根据某种量度来选择将要计入的下一条边。最简单的量度标准是选择使得迄今为止计入的那些边的成本的和有最小增量的那条边。
3.自适应遗传算法在求解TSP问题中的应用研究
利用基于分区搜索的自适应遗传算法求解TSP问题 江金龙，薛云灿，冯骏 为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想，提出了基于分区搜索的自适应遗传算法.该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索，在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能.通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法.【作者单位】：河海大学计算机及信息工程学院；河海大学计算机及信息工程学院；河海大学计算机及信息工程学院 江苏常州213022九江学院电子工程学院；江西九江332005；江苏常州213022；江苏常州213022【关键词】：遗传算法；分区搜索；旅行商问题【基金】：湖北省自然科学基金资助项目（2004ABA018）；河海大学常州校区创新基金资助项目（2005B002-01）【分类号】：TP18【DOI】：cnki:ISSN:1009-1130.0.2005-03-001【正文快照】： 1分区搜索自适应遗传算法的基本思想旅行商问题（Traveling Salesm an Problem,TSP）是指旅行商从某城市出发，在遍历N个城市后又回到出发点，且每个城市只经过一次，求旅行商行程最短的问题[1].TSP是一个N P难题，其可能的路径数目随城市数N的增加呈指数型增长.如果是对称TSP问题，则共有0.5(N-1)！种可能路线，如果是非对称TSP问题，可能的路线还会加倍.许多学者运用遗传算法的不同控制方法来求解TSP的最优解[2-3]，但简单遗传算法（Sim ple G enetic A lgorithm,SG A）的收敛速度慢，且易陷入局部最优解.如果能找到某些局部优良的基因组合（… 推荐 CAJ下载 PDF下载 CAJViewer7.0阅读器支持所有CNKI文件格式，AdobeReader仅支持PDF格式 Solving Traveling Salesman Problem by the Adaptive Genetic Algorithm Based on the Regional Search JIANG Jin-long1;2;XUE Yun-can1;FENG Jun1(1.College of Computer & Information Engineering;Hohai Univ.;Changzhou 213022;China;2.College of Electronic Engineering;Jiujiang Univ.;Jiujiang 332005;China) To increase the convergence speed of the genetic algorithm in solving the traveling salesman problem(TSP),combined with adaptive operators and competitive strategy between parents and their children,an adaptive genetic algorithm based on the regional search is proposed. This algorithm divides the global space into regional space and makes the regional search first. The global space search is carried out based on the better local gene sequences obtained from the regional search,so as to improve the search speed. Moreover,this algorithm improves the mutation performance at the same time. The TSP simulations show that the improved algorithm is a steady and efficient optimal search method.【Keyword】：genetic algorithms;regional search;traveling salesman problem(TSP)。
4.TSP问题的简介
TSP问题是一个组合优化问题。该问题可以被证明具有NP计算复杂性。因此，任何能使该问题的求解得以简化的方法，都将受到高度的评价和关注。
旅行推销员问题是图论中最著名的问题之一，即“已给一个n个点的完全图，每条边都有一个长度，求总长度最短的经过每个顶点正好一次的封闭回路”。Edmonds,Cook和Karp等人发现，这批难题有一个值得注意的性质，对其中一个问题存在有效算法时，每个问题都会有有效算法。
迄今为止，这类问题中没有一个找到有效算法。倾向于接受NP完全问题（NP-Complete或NPC）和NP难题（NP-Hard或NPH）不存在有效算法这一猜想，认为这类问题的大型实例不能用精确算法求解，必须寻求这类问题的有效的近似算法。
此类问题中，经典的还有 子集和问题； Hamilton回路问题；最大团问题。
5.基于改进蚁群算法的车辆路径问题研究
车辆路径问题（Vehicle Routing Problem，简称VRP）来源于交通运输，由Dantzig[1]于1959年提出，它是组合优化问题中一个典型的NP-hard问题，用于研究亚特兰大炼油厂向各加油站投送汽油的运输路径优化问题，并迅速成为运筹学和组合优化领域的前沿和研究热点，吸引众多学者对其进行研究。
通常用图G=(V,E)用来描述该问题[2]，在图G=(V,E)中，V={0,1,2，…，n},E={(i,j),i≠j,i,j∈V}，节点1表示仓库（depot），其它节点为客户。每个客户的需求为qi，边（i,j）对应的距离或运输时间或成本为Cij，所有车辆运输能力为Q，车辆从仓库出发，完成运输任务后回到仓库，每个顾客只能接受一次服务，问题的目标函数通常是车辆数和运输成本最小化。
由于该问题的复杂性，寻找到一种高效、精确的算法的可能性微乎其微，人们开始尝试利用仿生智能算法求解。 蚁群算法是一种新的群体智能启发式优化方法，适合求解车辆路径等组合优化问题。
最初由意大利学者Dorigo[3][4]等人提出用于解决旅行商问题，随着研究的不断深入，已经陆续渗透到电子、通讯、车间调度等工程领域。John E. Bell[5]将蚂蚁系统优化的亚启发式方法应用到VRP问题的求解。
Silvia[6]探讨了在车辆容量限制条件下的VRP问题，在亚启发式算法基础上提出了CVRP 的蚁群算法，并取得较好的效果。刘志勋[7]等在分析VRP和TSP区别基础上，构造了求解VRP的自适应蚁群算法，提出了近似解可行化的解决策略。
蚁群算法由于基本蚁群算法收敛速度慢且易陷于局部最优，很难在较短时间内对大规模VRP求得满意最优解，且该算法极易出现停滞现象，因此有必要对 算法进行改进。
6.我是计算机科学与技术专业的学生,想问问前辈们,毕业设计做什么项
当时我们辅导员给的有100多个题目呢，当时我做的是网站开发，我好多同学做的都是图书馆管理系统和餐饮管理系统。
要说你们学校网站 计科系上面应该发布的有题目的。下面是我们当时给的题目1--住宅小区智能化物业管理系统总体设计-2--网上测评系统的设计-3--基于web网站的综合考评系统的设计-4--基于web网站的考试系统设计-5--网上教育资源库系统的设计-6--浅谈网络协议的选用对网络性能的影响-7--高校校园网信息管理平台研制-8--实验室管理信息系统设计与实现-9--基于互联网的学习课件的研制-10--基于环联网的辅导答疑系统研制-11--智能网络入侵检测技术初步研究-12--电子政府信息处理总体实现架构研究-13--企业管理信息系统设计与实现-14--人事管理信息系统设计与实现-15--学生信息管理系统设计与实现-16--职工信息系统设计与实现-17--职工工资管理系统设计与实现-18--客房管理系统设计与实现-19--中学考试管理信息系统设计与实现-20--自学考试管理系统设计与实现-21--超市管理系统设计与实现-22--考试管理系统-23--考务管理信息系统-24--高校数学试题库-25--拓扑排序算法的改进（给出AOV网的所有拓扑有序序列）-26--哈希函数构造方法研究-27--试卷自动生成系统设计-28--自动检测系统设计-29--教学中常见表现手法在AW平台上的实现-30--教学中常见表现手法在PPT平台上的实现-31--多媒体课件制作中的跨平台操作-32--个人网络设计-33--单片机时间控制器开发-34--单片机通用数据采集和处理系统-35--数据库系统开发-36--网页制作-37--网络数据库开发-38--试题库软件设计-39--图书馆管理系统-40--学籍管理系统--41--基于教学型软件的设计与实现- 42--基于练习型交互软件的设计与实现-43--基于游戏型学习软件的设计与实 44--VC实现windows文件管理-45--单片机与微机通信-46--单片机与红外技术-47--电子阅览室收费系统-48--用户登陆与权限管理子系统-49--网络环境中的数据共享问题的分析与对策-50--Unix与Windows NT网络互联技术-51--单片机控制的CO2焊机的设计（mcs-51系列）-52--单片机控制的点焊控制器设计（mcs-51系列）-53--利用网络实现互动功能54--利用网络实现管理功能56--如何防止IP地址盗用-57--局域网主干网络的选型-58--动态网站设计-59--企业物流管理-60--药品管理-61--单片机遥控技术-62--单片机与通讯-63--家用电器与单片控制-64--计算机教育教学探讨-65--计算机硬件技术理解与应用-66--计算机辅助教学理论与实践- 1 SMART芯片仿真器系统设计2 程序执行结果模拟器3 计算机硬件检测系统4 图象处理软件5 ITS信息平台的设计与分析6 基于B/S的职工信息管理系统7 iButton及其应用8 工作备忘录的设计与实现9 基于MATLAB数据仿真10 基于Delphi的数据通信系统11 **中学籍管理软件12 动态网站制作13 数据库信息管理系统14 网站视频点播15 24点游戏16 趣味绘图17 聊天程序18 小学算术加减法教学软件设计19 个人网页设计与友情连接 20 图像处理软件包21 学生英语试题题库及判分系统软件设计 22 家庭理财管理信息系统设计 23 人事信息管理系统设计 24 计量管理信息系统 25 字符智能识别方法研究 25 基于图像分析的公路路面破损统计系统企业信息管理系统27 VB数据采集系统设计28 VC数据采集系统设计29 虚拟仪器数据采集系统设计30 光栅位移传感器原理图制作及仿真31 网络搜索引擎性能分析系统模型及设计32 基于短信的智能导行系统模型及设计34 远程异步视频授课系统研究35 规划设计中图形处理技术36 计算机图形学在装饰设计中的应用37 公路工程试验数据处理与分析（VB与Matlab）38 城市信号交叉口禁左仿真39 随机仿真模型40 高等级公路新线中线坐标放样CAE41 **大学上下水地下管网地理信息系统设计42 油田测井数据绘图软件开发42 企业管理系统43 "**"课程的网络教学系统设计与开发44 "**"课程试题库的设计45 地球物理数据反演系统中的图形处理46 电子教案中电路图的绘制方法研究47 .NET实现Internet消息平台48 远程打印及计费管理系统49 机房无人值守系统50 高速公路路网描述仿真模型构建51 基于XML的数据交换在分布式WEB系统中的应用52 基于关系数据库的OLAP研究53 等值线自动生成方法及程序实现54 基于LDAP的语音服务（IP电话）中心研究55 人工智能多媒体教学软件56 BUG系统的设计57 教学管理系统58 虚拟现实技术应用研究60 客户管理系统61 基于Web的教学系统设计与实现62 信息工程学院资料室信息管理系统63 基于网络的教材管理系统64 石油工业仪器仪表质量监督检验中心网站设计 65 非线性流水线调度算法动态演示程序设计66 存储体系地址映象及替换算法动态演示程序设计67 医院药房管理系统68 门诊划价收费系统69 公交公司人事管理系统70 固定资产管理系统71 网上图书馆（在线浏览及在线查询）72 工资计算系统73 网上超市（电子商务网站的建设）74 客户关系管理系统75 旅游资源研发网的开发与设计76 《****》试题库的设计77 餐饮娱乐管理系统的开发与设计78 文语转换系统79 远程数据服务平台（网站设计，数据管理系统）80 室外环境检测模拟平台（下分：控制台软件设计。