50分在线等34*34矩阵TSP问题matlab或lingo程序

MODEL:

SETS:

CITY / 1 34/: U;

LINK( CITY, CITY):DIST, X;

ENDSETS

DATA:

!在此处输入距离矩阵;

ENDDATA

N = @SIZE( CITY);

MIN = @SUM( LINK: DIST X);

@FOR( CITY( K):

@SUM( CITY( I)| I #NE# K: X( I, K)) = 1;

@SUM( CITY( J)| J #NE# K: X( K, J)) = 1;

@FOR( CITY( J)| J #GT# 1 #AND# J #NE# K:

U( J) >= U( K) + X ( K, J) -

( N - 2) ( 1 - X( K, J)) +

( N - 3) X( J, K));

);

@FOR( LINK: @BIN( X));

@FOR( CITY( K)| K #GT# 1:

U( K) <= N - 1 - ( N - 2) X( 1, K);

U( K) >= 1 + ( N - 2) X( K, 1)

);

END

你试一下这段代码，如果显示超过版本能力限制的话，就找个正版来运行

这个问题一般是TSP问题，该回答来自工中号一匹大懒虫

旅行商问题，即TSP问题（Traveling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。

TSP问题是一个组合优化问题。该问题可以被证明具有NPC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。[1]

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。

假设各个城市的X坐标为zuobiao_X，Y坐标为zuobiao_Y，zuobiao_X(i)表示第i个城市的横坐标，一共有n个城市，那么，采用以下循环语句进行画图：

for i=1:n-1

plot([zuobiao_X(i),zuobiao_X(i+1)],[zuobiao_Y(i),zuobiao_Y(i+1)],'-r');

hold on;

end

'-r'表示用红色的线连起来。望采纳。

正在做。我是这样理解的：

if NC >= 2

Tabu(1,:) = R_best(NC-1,:);

%把上一次迭代中最佳路线经历的城市放到本次Tabu的第一行

%相当是加了一个约束条件,如果本次迭代的情况不好,至少不会按照不好的最优解去更新信息素,让下次的情况更差

end

以上就是关于50分在线等34*34矩阵TSP问题matlab或lingo程序全部的内容，包括:50分在线等34*34矩阵TSP问题matlab或lingo程序、利用matlab计算多个坐标点，可以互相连接的最短距离、在TSP问题中，想用matlab将路线画出来，如何做到等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！