禁忌搜索算法处理旅行商问题（TSP），求解全国31个省会城市的一次历遍的最短距离

遗传算法、禁忌搜索、模拟退火、蚁群算法处理三十个城市的旅行商问题python实现

遗传算法是一种比较成熟的智能算法，一般通过改进遗传算法的算子达到提高算法功能的目的。
提出一种改进的遗传算法，遗传算子是基于近邻选择策略设计的，另外还对评估函数、种群多样性以及保留精英算子等方面对遗传算法进行了改进，并将其应用到旅行商问题的求解上，实验结果表明提出的算法是有效的。

《MATLAB数学建模》是2017年12月1日清华大学出版社出版的图书，作者是李昕。
本书是MATLAB数学建模应用系列书籍之一，以MATLABR2016a软件版本为基础，根据数学建模的需要编写，包含了多种数学建模问题的MATLAB求解方法，是处理数学实验和数学建模的有力工具。
全书共18章，分为前后两个部分，第1~10章属于前部分，第11~18章属于后部分。
前部分从MATLAB基础和数学建模基础知识介绍开始，详细介绍MATLAB程序设计、常用MATLAB建模函数、数学规划模型、智能优化算法、Simulink简介、MATLAB图像处理算法等内容；
后部分介绍了水质评价与预测、投资收益与风险、旅行商问题、最优捕鱼策略、裁剪与复原、DNA序列分类、卫星和飞船的跟踪测控、中国人口增长预测等8个典型建模问题的MATLAB求解方法，引导读者深入挖掘各种建模问题背后的数学问题和求解方法。
最后，在附录中给出了MATLAB基本命令的介绍，便于读者使用和研究。

使用贪婪算法求解tsp问题，使用vc实现，资源中包含有程序的文档，包含tsp问题说明、贪婪算法分析和程序源码。

多旅行商成绩的Matlab程序，数学建模竞赛时可能会用到

遗传算法处理5种多旅行商问题（mtsp）的matlab程序分别为以下5中情况：1.从不同起点出发回到起点（固定旅行商数量）2.从不同起点出发回到起点（旅行商数量根据计算可变）3.从同一起点出发回到起点4.从同一起点出发不会到起点5.从同一起点出发回到同一终点（与起点不同）

对旅行商成绩的解法提出了蚁群算法，并用MFC编程实现，有比较有好的界面，并对成绩做了细致的分析。

《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上出版的，部分章节涉及了常见的优化算法（遗传算法、粒子群算法等）与神经网络的结合问题。
《MATLAB神经网络43个案例分析》可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
《MATLAB神经网络43个案例分析》共有43章目录如下：第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的功能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

蚁群算法最早是由MarcoDorigo等人在1991年提出，他们在研究新型算法的过程中，发现蚁群在寻找食物时，通过分泌一种称为信息素的生物激素交流寻食信息从而能快速的找到目标，据此提出了基于信息正反馈原理的蚁群算法。
蚁群算法根据模拟蚂蚁寻找食物的最短路径行为来设计的仿生算法，因此一般而言，蚁群算法用来解决最短路径问题，并真的在旅行商问题（TSP，一个寻找最短路径的问题）上取得了比较好的成效。
目前，也已渐渐应用到其他领域中去，在图着色问题、车辆调度问题、集成电路设计、通讯网络、数据聚类分析等方面都有所应用。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。