Advertisement

TSPLIB数据集，用于TSP测试。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该资源提供了相当详尽的旅行商问题（TSP）测试函数集合，并伴随着每个函数对应的最优解。这些函数涵盖了典型的TSP问题，旨在为开发和测试解决TSP问题的各种算法提供必要的工具和数据集。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • TSP测试集（TSPLIB）
    优质
    TSP测试集（TSPLIB）是旅行商问题的标准测试库，包含多种规模和类型的实例，供算法研究人员使用以评估其解决方案的质量与效率。 提供了一个全面的TSP测试函数集，并附有相应的最优解。该集合包含了典型的TSP问题，适用于开发求解TSP问题的各种算法进行测试。
     
  • TSPLIB中TSP数据集的下载
    优质
    简介：本文介绍了如何从TSPLIB资源库中获取旅行商问题(TSP)的数据集，涵盖多种规模与类型的实例。 TSP数据集可以从TSPLIB下载并直接使用，十分方便。
     
  • 用于蚁群算法的TSP测试数据集
    优质
    本研究提供了一系列专为评估和优化蚁群算法性能而设计的TSP问题测试数据集。这些数据集包含各种规模与复杂度的问题实例，旨在全面检验算法在解决旅行商问题时的表现。 TSP数据集用于测试自己编写的蚁群算法，并且使用这些标准数据进行性能测试有助于与其他人的算法进行比较。
     
  • TSPLIB数据集.zip (版本2)
    优质
    TSPLIB数据集.zip (版本2)包含了多种旅行商问题(TSP)和其他组合优化问题的经典实例，是用于测试和比较算法性能的标准库。 TSPLIB数据集包含144个数据集，并且每个数据集都包括已知的最优解。
     
  • TSPLIB数据库（用于旅行商问题）
    优质
    TSPLIB数据库是专门针对旅行商问题(TSP)设计的一个标准测试库，包含了各种规模和类型的TSP及相关问题实例，为算法研究提供数据支持。 TSP问题（旅行商问题）的数据库TSPLIB包含了各种规模和类型的测试实例，用于研究和解决这一经典的组合优化问题。这些数据集为研究人员提供了一个评估算法性能的标准平台。
     
  • TSP 数据集
    优质
    TSP数据集是指旅行商问题（Traveling Salesman Problem, TSP）中用于测试和验证算法性能的一系列标准化实例集合。包含各种规模的城市数量及城市间距离信息。 TSP数据集共有146个，包含从10到18000个点不等的数据量。部分数据格式有所不同，其中有一些已经整理过并统一了格式。
     
  • MRPC数据集用于BERT测试
    优质
    本研究利用MRPC（Microsoft Research Paraphrase Corpus）数据集评估和验证BERT模型在识别句子间语义等价关系方面的能力与性能。 提供Bert测试数据集MRPC数据集的副本，以方便那些无法直接下载的朋友进行测试、实验与学习。该数据集中有用的文件包括train.tsv、dev.tsv和test.tsv。
     
  • TSPLIB中的att48数据
    优质
    简介：att48是TSPLIB中提供的一个经典的对称 traveling salesman problem (TSP) 实例，包含48个位于美国俄亥俄州哥伦布市的景点。该问题旨在寻找遍访这48个城市一次且仅一次并返回出发点的最短路径。 tsplib上的数据att48是一个对称TSP问题，包含48个城市，其最优解值为10628。距离计算方法请参见相关文档或资料。
     
  • TSP问题的Matlab和C++代码及测试数据集
    优质
    本资源提供针对旅行商问题(TSP)的解决方案，包括详细的Matlab与C++实现代码以及多个标准测试数据集，适用于算法学习和研究。 本资源包含旅行商问题（TSP）的常见测试数据及Matlab、C++代码。作为一类组合优化问题，TSP在物流配送、计算机网络、电子地图、交通疏导以及电气布线等领域具有重要的工程与理论价值，并吸引了众多学者的关注。 简而言之，一名商人需要访问n个不同的城市进行商品推销，任意两个城市i和j之间的距离为d。如何选择一条路径使得商人在每个城市仅停留一次后返回起点时所走的总路程最短？TSP是典型的组合优化问题且属于NP难题范畴。 早期的研究者使用精确算法来解决这一问题，常用的方法包括分枝定界法、线性规划法和动态规划法等。然而，随着城市的增加，可能路径的数量呈指数级增长，在城市数量超过100个时难以求得全局最优解。 近年来，人工智能的发展催生了多种独立于具体问题的智能优化算法如蚁群算法、遗传算法、模拟退火、禁忌搜索、神经网络以及粒子群优化等。这些方法通过模仿自然现象或过程得以发展，并且具有高效性、鲁棒性和灵活性的特点。例如，将模拟退火引入TSP求解能够有效避免局部最优的问题出现。
     
  • ATT48 TSP数据集
    优质
    ATT48 TSP数据集是一款专为旅行商问题（TSP）设计的数据集合，包含48个点的城市地图，广泛应用于算法测试与优化研究中。 适合解决蚁群优化算法和模拟退火算法等问题的编写方法包括多种技术手段，这些方法能够有效地应对复杂问题并找到近似最优解。在实践中应用这些算法需要深入理解其原理，并结合具体应用场景进行适当的参数调整与优化。此外，学习相关理论知识以及通过实践项目积累经验也是非常重要的步骤。