前面我们学了线性表和树线性表局限于一个直接前驱和一个直接后继的关系树也只能有一个直接前驱也就是父节点当我们需要表示多对多的关系时，这里我们就用到了图。

旅行推销员问题(TSP)提出以下问题：“给定nnn个城市的列表，其中有一个起始城市，以及每对城市之间的距离，访问每个城市一次并返回起始城市的最短可能路线是什么？这又是一个重要的NP-hard组合优化，特别是在运筹学和理论计算机科学领域。这个问题最早是在1930年提出的，是离散最优化中研究最深入的问题之一。

旅行推销员问题(TSP)提出以下问题：“给定nnn个城市的列表，其中有一个起始城市，以及每对城市之间的距离，访问每个城市一次并返回起始城市的最短可能路线是什么？这又是一个重要的NP-hard组合优化，特别是在运筹学和理论计算机科学领域。这个问题最早是在1930年提出的，是离散最优化中研究最深入的问题之一。

链表是有序的列表，它在内存中的存储如下：单链表(带头结点) 逻辑结构示意图如下：使用带 head 头的单向链表实现 - 水浒英雄排行榜管理完成对英雄人物的增删改查操作输出：2.3 面试题（新浪、百度、腾讯）求单链表中有效节点的个数查找单链表中的倒数第k个结点单链表的反转从尾到头打印单链表合并两个有序链表三、双向链表3.1 思路分析使用带 head 头的双向链表实现 - 水汻英雄排行榜管理单向链表的

ALNS自适应大邻域搜索求解TSP问题（Java代码+详细注释）

文章目录一、环境准备二、代码编写1. 准备VGG类2. 导入相关库3.导入数据4.数据预处理5. 实例化VGG-16模型6.设置优化器7.训练模型8.模型评估一、环境准备语言环境：Python3.8.0编译器：PyCharm 2021深度学习环境：TensorFlow-gpu 2.5二、代码编写1. 准备VGG类# -*-coding:utf-8-*-from tensorflow.keras i

迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959年提出的，因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法，解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是从起始点开始，采用贪心算法的策略，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止。

常规的二维矩形装箱问题只要求利用率尽可能大就可以了，但是在现实场景中，由于订单顺序等缘故，有一些物品需要优先于其他物品进行装载，这就诞生了本文要解决的“所以就引出了本文的主角：剩余空间法。经过测试，剩余空间法的求解效果在带顺序约束的二维矩形装箱问题上可能优于天际线启发式算法。剩余空间法思路很简单：每放入一个矩形，就把空间按照下图的方式切成两部分剩余空间。每次放置矩形找到最合适的剩余空间放就行了。带

文章目录1 前言2 代码迁移3 蚁群算法3.1 蚂蚁类 Ant3.2 蚁群算法类 ACO_Packing4 运行结果1 前言之前我已经写过一篇禁忌搜索算法求解二维矩形装箱问题（java代码实现）,如果有对二维矩形装箱问题的背景不是很了解的朋友可以去看看2 代码迁移项目的大体框架（一些实体类，数据读取类等）和禁忌搜索算法求解二维矩形装箱问题（java代码实现）中的差不多，所以本文只提供蚁群算法的核心

然后需要配置nacos服务器的地址，也就是注册中心地址，但是我们还没 有nacos服务器，所以我们需要启动nacos server创建nacos服务 器（软件官方可以下载）浏览器去nacos里的配置列表，点击＋号，data ID：gulimall-coupon.properties，配置 gulimall-coupon.properties。配置中心的意思是不在application.proper