The traveling salesman problem (TSP

The traveling salesman problem (TSP) is one of the most widely
studied NP-hard combinatorial optimization problems and
traditional genetic algorithm trapped into the local minimum
easily for solving this problem. Particle Swarm Optimization
(PSO) algorithm was developed under the inspiration of behavior
laws of bird flocks, fish schools and human communities.
Compared with the genetic algorithm, PSO algorithm has high
convergence speed. In this paper, aim at the disadvantages of
genetic algorithm like being trapped easily into a local optimum,
we use the PSO algorithm to solve the TSP and the experiment
results show the new algorithm is effective for the this problem.
This paper introduce the PSO algorithm for TSP, we use
the proposed algorithm for solving the combinatorial
problem: TSP, the new algorithm shows great efficiency
in solving TSP with the problem scale from 52 to 1432.
By analyzing the testing results, we reach the conclusion:
in the optimization precision and the optimization speed,
the new algorithm is efficiency than the genetic algorithm
in coping with the TSP.

ผลลัพธ์ (ไทย) 1:

ปัญหาขาย traveling (ช้อนชา) เป็นหนึ่งกันอย่างแพร่หลายมากที่สุดเรียน NP-เพิ่มประสิทธิภาพปัญหาปัญหา และขั้นตอนวิธีพันธุกรรมดั้งเดิมติดอยู่เป็นอย่างน้อยภายในสำหรับการแก้ปัญหานี้ได้อย่างง่ายดาย เพิ่มประสิทธิภาพฝูงอนุภาคอัลกอริทึม (PSO) ได้รับการพัฒนาภายใต้แรงบันดาลใจในการทำงานกฎหมายของนกจำนวนเกือบเท่าเดิม โรงเรียนปลา และชุมชนมนุษย์เมื่อเทียบกับขั้นตอนวิธีพันธุกรรม PSO อัลกอริทึมมีสูงความเร็วของลู่เข้า ในเอกสารนี้ จุดมุ่งหมายในข้อเสียของอัลกอริทึมทางพันธุกรรมเช่นการติดง่ายในเหมาะสมกับท้องถิ่นเราใช้อัลกอริทึม PSO เพื่อแก้การช้อนชาและทดลองแสดงผลอัลกอริทึมใหม่ที่มีประสิทธิภาพสำหรับการนี้ปัญหาเอกสารนี้แนะนำอัลกอริทึม PSO สำหรับช้อนชา เราใช้อัลกอริทึมที่นำเสนอสำหรับการแก้ปัญหาปัญหา: ช้อนชา อัลกอริทึมใหม่แสดงประสิทธิภาพที่ดีในการแก้ช้อนชากับมาตราส่วนปัญหาจาก 52 เพื่อ 1432โดยการวิเคราะห์ผลการทดสอบ เราถึงข้อสรุป:ในการเพิ่มประสิทธิภาพความแม่นยำและความเร็วในการเพิ่มประสิทธิภาพอัลกอริทึมใหม่มีประสิทธิภาพกว่าอัลกอริทึมทางพันธุกรรมในการรับมือกับช้อนชา

ผลลัพธ์ (ไทย) 2:

ปัญหาพนักงานขายที่เดินทาง (TSP)
เป็นหนึ่งในที่สุดอย่างกว้างขวางศึกษาปัญหาการเพิ่มประสิทธิภาพcombinatorial
NP-หนักและขั้นตอนวิธีพันธุกรรมแบบดั้งเดิมขั้นต่ำการติดเข้าไปในท้องถิ่นได้อย่างง่ายดายสำหรับการแก้ปัญหานี้
อนุภาค Swarm Optimization
(PSO)
ขั้นตอนวิธีการได้รับการพัฒนาภายใต้แรงบันดาลใจของพฤติกรรมกฎหมายของฝูงนกปลาโรงเรียนและชุมชนของมนุษย์.
เมื่อเทียบกับขั้นตอนวิธีทางพันธุกรรมขั้นตอนวิธี PSO
มีสูงความเร็วบรรจบกัน ในงานวิจัยนี้มีจุดมุ่งหมายที่ข้อเสียของวิธีทางพันธุกรรมเหมือนถูกขังอยู่ได้อย่างง่ายดายในที่ดีที่สุดในท้องถิ่นที่เราใช้อัลกอริทึมPSO เพื่อแก้ TSP และการทดลองผลที่ได้แสดงขั้นตอนวิธีการใหม่ที่มีประสิทธิภาพสำหรับปัญหานี้. กระดาษนี้จะแนะนำขั้นตอนวิธี PSO สำหรับ TSP เราจะใช้ขั้นตอนวิธีการเสนอให้แก้combinatorial ปัญหา: TSP, อัลกอริทึมใหม่แสดงให้เห็นประสิทธิภาพที่ดีในการแก้TSP มีขนาดปัญหาจาก 52 1432. โดยการวิเคราะห์ผลการทดสอบที่เราไปถึงข้อสรุป: ในความแม่นยำและการเพิ่มประสิทธิภาพ ความเร็วในการเพิ่มประสิทธิภาพขั้นตอนวิธีการใหม่ที่มีประสิทธิภาพกว่าขั้นตอนวิธีทางพันธุกรรมในการรับมือกับTSP