本文介绍了多种基础启发式算法（如模拟退火，禁忌搜索，遗传算法和蚁群算法）在解决广义旅行商问题上的应用与效果。
使用多种基本启发式算法解决广义TSP问题可以提高求解效率与准确性。在广义TSP问题中，一些城市可能提供相同类型的商品，在购买这类商品时只需访问其中一个城市即可。
目录包括：
- 图片：展示了一些实验结果的图片。
- 代码：
- `extendTSP.py`：用于随机生成广义TSP实例，并提供了若干通用函数（如生成广义TSP实例，计算距离等）。
- `SA.py`：模拟退火算法实现。
- `tabu.py`：禁忌搜索算法实现。
- `Genetic.py`：遗传算法实现。
- `ACO.py`：蚁群优化算法实现。
这些代码依赖于matplotlib和numpy库，并且支持Python 3环境。可以通过调用`extendTSP.py`中的函数来生成广义TSP实例，例如：
```python
def extendTSP_generate(city_num, goods_num, x_range=20, y_range=20):
# city_num - 城市数量
# goods_num - 商品种类数目
# x_range、y_range - 二维空间中城市的坐标范围，默认为20。
```
以上是关于广义TSP问题的算法实现概述和代码结构介绍。
5星
