摘要
[1] Kureichik，V.V.和Kureicchik，V.M.，寻找销售员路线的遗传算法。 计算机系统科学国际杂志第45卷第1期。 89-95. 谷歌学者 
[2] Goldberg，D.E.，《搜索、优化和机器学习中的遗传算法》。 1989年，马萨诸塞州雷丁市Addison Wesley。 谷歌学者 数字图书馆 
[3] Laarhoven，P.V.和Aarts，E.H.L.，模拟退火：理论和应用。 1987年，Kluwer学术出版社。 谷歌学者 数字图书馆 [4] Fiechter，L.，大型旅行商问题的并行禁忌搜索算法。 Dis-Appl数学组合运算结果计算科学。 第51.243-267节。 谷歌学者 数字图书馆 [5] Dorigo M、Maniezzo V、Colorni A.积极反馈作为搜索策略。 米兰理工大学电子技术研究所技术报告； 1991 谷歌学者 [6] Dorigo，M.、Maniezzo，V.和Colorni，A.，《蚂蚁系统：通过协作代理群体进行优化》。 IEEE Trans-Syst Man Cyber Part-B.v26。 29-41. 谷歌学者 数字图书馆 [7] Dorigo，M.和Gambardella，L.M.，《蚁群系统：旅行推销员问题的合作学习方法》。 IEEE Trans-Evol计算。 第53-66节。 谷歌学者 数字图书馆 [8] Stützle，T.和Dorigo，M.，一类蚁群优化算法的简短收敛证明。 IEEE Trans-Evol计算。 v6 i4。 358-365. 谷歌学者 数字图书馆 [9] Jin，H.D.、Leung，K.S.、Wong，M.L.和Xu，Z.B.，用遗传算法为旅行商问题设计的有效自组织映射。 IEEE Trans-Syst Man Cyber Part-B.v33 i6。 877-887. 谷歌学者 数字图书馆 [10] Applegate，D.、Bixby，R.、Chvátal，V.和Cook，W.，《关于旅行推销员问题的解决方案》。 文献数学程序国际合作数学。 第3.645-656节。 谷歌学者 [11] Baraglia，R.、Hidalgo，J.I.和Perego，R.，《旅行推销员问题的混合启发式算法》。 IEEE跨进化计算。 v5.第613-622页。 谷歌学者 数字图书馆 [12] Padberg，M.和Rinaldi，G.，通过分支和切割优化532城市对称遗传旅行商问题。 运营Res Lett。 v6 i1。 1-7. 谷歌学者 数字图书馆 [13] Kuan，S.N.、Ong，H.L.和Ng，K.M.，通过遗传算法和蚁群优化解决馈线母线网络设计问题。 高级工程软件。 第37版i6。 351-359. 谷歌学者 数字图书馆 [14] Coelho，L.D.S.和Mariani，V.C.，混沌序列在工程设计优化的生物启发算法中的使用。 专家系统应用。 第34版i3。 1905-1913. 谷歌学者 数字图书馆 [15] Foong，W.K.，Simpson，A.R.和Maier，H.R.，发电厂维护调度优化的蚁群优化——一个五站式水电系统。 Ann Oper研究v159 i1。 433-450. 谷歌学者 [16] Shelokar，P.S.、Jayaraman，V.K.和Kulkarni，B.D.，《蚁群分类器系统：应用于某些过程工程问题》。 计算化学工程v28 i9。 1577-1584. 谷歌学者 [17] Samrout，M.、Kouta，R.和Yalaoui，F.，蚁群算法在预防性维护优化中的参数设置。 国际制造杂志v18 i6。 663-677. 谷歌学者 [18] Liao，Y.H.和Sun，C.T.，一种教育性遗传算法学习工具。 IEEE Trans教育。 v44.20版 谷歌学者 数字图书馆 [19] Collins，T.D.，《应用软件可视化技术支持进化算法的使用》。 视觉语言计算杂志。 v14.123-150。 谷歌学者 [20] Kollat，J.B.和Reed，P.，使用进化多目标优化（VIDEO）进行可视化交互式决策和设计的框架。 Environ Modell软件。 v22.1691-1704。 谷歌学者 数字图书馆 [21] Ringwood，J.V.和Galvin，G.，《人工神经网络中的计算机辅助学习》。 IEEE Trans教育。 第45.380-387节。 谷歌学者 数字图书馆 [22] Manic M、Wilamowsky B、Malinowsky A。基于互联网的神经网络模拟工具。 In：IECON'02会议记录，第4卷； 2002年，第2870-4页。 谷歌学者 [23] Ramirez，J.A.、Guimaraes，F.G.、Campelo，F.、Pereira，E.C.、Barros，P.H.L.和Takahashi，R.H.C.，《优化：电气工程教学优化的计算环境》，IEEE Trans-Magn。 版本40.695-698。 谷歌学者 [24] Reiners，T.和Vob，T.，在虚拟学习环境中教授元神经科学。 内部事务处理资源v11。 225-238. 谷歌学者 [25] Fouloy，L.、Boukezzoula，R.和Galichet，S.，模糊控制的教育工具。 IEEE Trans Fuzzy系统。 v14.217-221。 谷歌学者 数字图书馆 [26] 高效互动人工智能资源研讨会。 国际JCAI； 2001 谷歌学者 [27] 改进导论性人工智能教学研讨会； 1994 谷歌学者 [28] Dorigo M.Ottimizazione，Apprendimento Automatico，编辑Algoritmi Basati su Metafora Naturale。 米兰理工大学博士论文； 1992 谷歌学者 [29] Dorigo，M.和Di Caro，G.，《蚁群优化：一种新的元神经论》。 在：Angeline，Peter J.，Michalewicz，Zbyszek，Schoenauer，Marc，Yao，Xin，Zalzala，Ali（编辑），进化计算大会会议记录，第2卷。 IEEE出版社。 第1470-1477页。 谷歌学者 [30] Dorigo M，Birattari M，Stützle T.蚁群优化：作为计算智能技术的人工蚂蚁。 IEEE计算智能杂志； 2006年，第28-38页。 谷歌学者 数字图书馆 [31] 科斯塔（Costa）、赫兹（Hertz A.）、蚂蚁（Ants）可以给图形上色。 《运营研究杂志》第48版。 295-305. 谷歌学者 [32] Leguizamón G，Michalewicz Z。用于子集问题的蚂蚁系统的新版本。 附：CEC’99会议记录； 1999年，第1459-64页。 谷歌学者 交叉引用 
[33] Solnon、Ant可以解决约束满足问题。 IEEE Trans-Evol计算。 版本347-357。 谷歌学者 数字图书馆 [34] Campos，L.M.D.，Fernández-Luna，J.M.，Gámez，J.A.和Puetra，J.M..，学习贝叶斯网络的蚁群优化。国际J近似推理。 v31.291-311。 谷歌学者 [35] Lessing L，Dumitrescu I，Stützle T。集合覆盖问题的ACO算法比较。 摘自：2004年ANTS会议记录，ser。 LNCS 3172； 2004年，第1-12页。 谷歌学者 交叉引用 [36] Reimann，M.，Doerner，K.和Hartl，R.F.，D-ants:基于储蓄的蚂蚁可以分割和征服车辆路径问题。 计算运营资源v31。 237-255. 谷歌学者 数字图书馆 [37] Korb O、Stützle T、Exner TE。 蚁群优化在基于结构的药物设计中的应用。 摘自：ANTS 2006年会议记录，ser。 LNCS 4150； 2006年，第247-58页。 谷歌学者 数字图书馆 [38] Grassé，P.P.，《白蚁建造师组成部分的重建与协调》。 Sociaux昆虫。 第41-81页。 谷歌学者 [39] Lin，S.，旅行推销员问题的计算机解决方案。 贝尔系统J.v44。 2245-2269. 谷歌学者 [40] Lin，S.和Kernighan，B.W.，旅行推销员问题的有效启发式算法。 《运营研究》第21版。 498-516. 谷歌学者 [41] Dorigo，M.和Gambardella，L.M.，旅行推销员问题的蚁群。 生物系统。 第43.73-81节。 谷歌学者 [42] Bullnheimer，Hartl，R.F.和Strauss，C.，《基于等级的蚂蚁系统新版本：计算研究》。 欧洲中央法院《运营研究》第7版。 25-38. 谷歌学者 [43] Cordon O，Viana IF，Moreno L.整合进化计算概念的新ACO模型：最坏的蚂蚁系统。 In:ANTS 2000会议记录，布鲁塞尔； 2000年，第22-9页。 谷歌学者 [44] Stützle，T.和Hoos，H.H.，Max-min蚂蚁系统。 未来一代计算系统。 v16.889-914。 谷歌学者 数字图书馆 [45] Shtovba，S.D.，《蚂蚁算法：理论与应用》。 编程计算软件。 第31.167-178节。 谷歌学者 数字图书馆 [46] Bentley，J.L.，几何旅行商问题的快速算法。 ORSA J计算。 第4.387-411节。 谷歌学者 [47] Johnson，D.S.和McGeoch，L.A.，《旅行推销员问题：局部优化案例研究》。 In:Aarts，E.H.L.，Lenstra，J.K.（编辑），组合优化中的局部搜索，Wiley and Sons。 谷歌学者 [48] Bonabeau，E.、Dorigo，M.和Theraulaz，G.，《从自然系统到人工系统的群体智能》。 1999年，牛津大学出版社，纽约。 谷歌学者 数字图书馆
建议
基于粒子群优化、蚁群优化和3-Opt算法的旅行商问题混合算法 旅行推销员问题（TSP）是离散优化算法性能分析中使用的标准测试问题之一。 蚁群优化（ACO）算法出现在求解离散变量的启发式算法中。。。 重新审视蚁群优化中的精英主义 GECCO’03：2003年遗传和进化计算国际会议论文集：第一部分 蚁群算法（ACO）已成功应用于求解旅行商问题。 Marco Dorigo等人使用蚂蚁系统（AS）探索对称旅行推销员问题，发现使用少量精英蚂蚁。。。 改进的蚁群算法及其在TSP中的应用 ISDA'06：第六届智能系统设计与应用国际会议论文集-第02卷 在蚁群优化领域，蚂蚁的集体智能模型被转化为有用的优化技术。 提出了一种求解旅行商问题的改进ACO（PMACO）方法。 针对。。。
