为了给游客提供更好的路径推送服务,针对经典的旅行商问题(TSP, Traveling Salesman Problem)进行了延伸研究,提出了一种时间优化的旅行商问题(TOTSP, Time Optimal TSP),旨在寻找一条旅行时间最短的游览路径。该路径推送给游客从而节省游客在景区内进行游玩的旅行时间。通过混合粒子群遗传算法(PSO-GA, Particle Swarm Optimization-Genetic Algorithm)对提出的问题进行仿真实验,并将旅行时间作为PSO-GA的目标函数,其中的旅行时间包括三个部分：游客从一个景点走向另一个景点所行走的总时间、游客在每个景点排队等待的总时间以及游客在每个点进行游览所需要的总时间。本研究将PSO-GA求出的最短旅行时间及所需的CPU执行时间同遗传算法GA以及蚁群算法(ACO, Ant Colony Optimization)求出的结果进行了对比。仿真实验表明PSO-GA在解决提出的TOTSP问题上具有较好的性能。本文研究的是时间优化的旅行商问题,文中将对TOTSP问题求解得到的路径称为时间优化的路径(TOP, Time Optimal Path),对TSP问题求解得到的路径称为长度优化的路径(LOP, Length Optimal Path)。本论文的主要研究工作可以总结为以下几点：(1)提出TSP问题的一种扩展问题：TOTSP问题,并对其概念和数学模型进行介绍,将游客的行走、排队和游玩等因素融入到该模型中；(2)利用PSO-GA混合算法求解TOTSP问题,介绍了该混合算法的在求解LOP、TOP过程中的相关原理,并突出TOTSP问题的旅行时间函数的求解方法和含义；(3)对不同游客密度下的时间优化的旅行商问题用PSO-GA混合算法进行求解,并同GA和ACO进行对比,可以得出TOP游览路线在不同的游客密度下较传统的TSP问题的LOP游览路线所需的旅行时间更短,能够为游客节省旅游时间。