随着计算机技术的发展以及人们利用计算机解决实际问题的需求的增长，对模拟退火算法的研究人数日益增加。依据模拟退火算法求解旅行商问题（TSP）对人们的日常生活有很大的意义。在传统的模拟退火算法的基础上上，通过对传统模拟退火算法在运算结果的优化以及快速的找到最优解范围上进行优化，使模拟退火算法解决TSP等优化组合问题的方面的研究来更加普遍的解决日常生活中的大数据搜索或者是优化组合问题。为了在毕业设计的初始阶段对于模拟退火算法在TSP问题中的优化研究有一个清晰完整的认识，对相关文献进行了透彻的分析和学习，同时在第二阶段中对算法的实现和对算法的改进起到了启示的作用。我所参考的文献如下：44743
[1]高尚等.求解旅行商问题的模拟退火算法 [M].华东船舶工业学院学报,2003(3):17-20.
[2]李亮,孙玉秋.科教导刊.清华大学出版社,2011:100-102.
[3]盛国华等.改进模拟退火算法求解TSP问题[J].人工智能及识别技术,2008,(10):1103-11106.
[4]冯剑,岳琪.模拟退火算法求解TSP问题[J].森林工程,2008,1(1):94-97
[5]张立昂，屈婉玲.算法设计[M].清华大学出版社,2007,(3):466-468
[6]丁雪梅,伦立军,辛英.基于模拟退火算法的证券投资最优组合理论研究论文网[J].哈尔滨师范学自然科学学报,2003,19(5):76-80
[7]康立山,谢云,尤勇.非数值并行算法(第1册):模拟退火算法,1997:212-219.
[8] Wang Jin. A Genetic Annealing Hybrid Algorithm based Clustering Strategy in Mobile Ad hoc Network. IEEE Transactions on Systems Man and Cybernetics 2005(3):24-40
[9]邢文训等.现代优化计算方法[M]. 清华大学出版社,1999,(4):117-130.
[10]辛振铭.一种改进的模拟退火算法在TSP问题中的研究与应用[A]2010:1-20
[11]周杰明,邓迎春,黄娅,ZHOU:一种带记忆的模拟退火算法求解TSP问题[J]-湖南文理学院学报(自然科学版)2010,22(2):102-106
[12]Regina, Maria .Monitoring students’ actions and using teachers’ expertise in implementing and evaluating the neural network-based fuzzy diagnostic model[J]. Expert Systems With Applications . 2006 (4):122-130
[13]Lu Qing Ye, Daniel Roy, Pierre Padilla. Genetic algorithm based multi-agent system applied to test generation[J]. Computers & Education . 2006 (4):76-110 模拟退火算法文献综述和参考文献:http://www.751com.cn/wenxian/lunwen_45994.html