摘要：粒子群优化算法(Particle Swarm Optimization-PSO)是1995年Eberhart博士和Kennedy博士一起提出的，它是源于对鸟群捕食行为的研究。粒子群算法的基本核心是利用群体中的个体对信息的共享从而使得整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。由于粒子群算法在函数优化等领域有广阔的应用前景，所以自算法提出以来，引起了相关领域众多学者的关注和研究，成为演化计算研究的热点。

旅行商问题(Traveling Salesman Problem-TSP)是：给定一系列城市和每对城市之间的距离，求解访问每一座城市一次并回到起始城市的最短回路。它是组合优化中的一个NP困难问题，在运筹学和理论计算机科学中非常重要。

本文首先简单阐述粒子群算法的研究背景及其意义。然后分析粒子群优化算法的原理，应用粒子群优化算法的步骤，以及算法中经验参数的设置。提出了基于粒子群优化算法的TSP问题求解方法。

关键词：粒子群算法；旅行商问题；NP完全问题；群体智能

目录

摘要

Abstract

1 绪论-1

1.1 粒子群优化算法的研究背景-1

1.2 粒子群优化算法的研究意义-1

1.3 粒子群优化算法的国内外研究现状-2

1.4 粒子群优化算法的缺点-3

2 粒子群优化算法相关理论与技术-3

2.1 粒子群优化算法的原理-3

2.2 PSO算法流程-5

2.3 应用粒子群算法步骤-7

2.4 参数分析-8

3 粒子群优化算法在NP难问题中的应用-9

3.1 引言-9

3.2 旅行商问题-9

3.3 粒子群优化算法在旅行商问题中的应用研究-11

3.4 实验结果与分析-13

4 结论-25

参 考 文 献-26

致    谢-27