Implementacja i porównanie trzech algorytmów rozwiązujących problem komiwojażera: brute-force, najbliższy sąsiad i przeszukiwanie losowe. Analiza jakości rozwiązań i czasu działania dla różnych rozmiarów instancji (symetrycznych i asymetrycznych).
Rozwiązanie problemu komiwojażera z użyciem metody podziału i ograniczeń (Branch & Bound) z różnymi strategiami przeszukiwania: wszerz, wgłąb i według najniższego kosztu. Skupienie na efektywnym ograniczaniu przestrzeni przeszukiwań i porównaniu strategii.
Implementacja algorytmu genetycznego do rozwiązania problemu komiwojażera. Algorytm będzie wykorzystywał klasyczne operacje genetyczne, takie jak krzyżowanie, mutacja i selekcja. Celem projektu jest analiza wpływu różnych parametrów algorytmu (rozmiar populacji, współczynnik mutacji, liczba pokoleń) na jakość rozwiązania oraz czas działania. Badanie wydajności algorytmu na instancjach o różnym rozmiarze.
Rozwiązanie problemu komiwojażera z wykorzystaniem algorytmu mrówkowego (Ant Colony Optimization). Celem projektu jest zaimplementowanie algorytmu, który symuluje zachowanie kolonii mrówek w celu znalezienia optymalnej trasy. Analiza wpływu parametrów, takich jak liczba mrówek, tempo parowania feromonów oraz liczba iteracji, na jakość i czas obliczeń. Projekt obejmuje również porównanie wyników z innymi metodami heurystycznymi.