TSP：光学显微镜算法（Optical microscope algorithm，OMA）求解旅行商问题（Traveling salesman problem, TSP），提供MATLAB代码

一、旅行商问题

旅行商问题（Traveling salesman problem, TSP）是一个经典的组合优化问题，它可以描述为一个商品推销员去若干城市推销商品，要求遍历所有城市后回到出发地，目的是选择一个最短的路线。当城市数目较少时，可以使用穷举法求解。而随着城市数增多，求解空间比较复杂，无法使用穷举法求解，因此需要使用优化算法来解决TSP问题。
一般地，TSP问题可描述为：一个旅行商需要拜访n个城市，城市之间的距离是已知的，若旅行商对每个城市必须拜访且只拜访一次，求旅行商从某个城市出发并最终回到起点的一条最短路径。
记n个城市序号构成集合为N={1,2,…,n},旅行商拜访完n个城市所经过的回路记为：
P = { p 1 → p 2 → ⋯ → p n → p 1 } P=\left\{p_{1} \rightarrow p_{2} \rightarrow \cdots \rightarrow p_{n} \rightarrow p_{1}\right\} P={p1​→p2​→⋯→pn​→p1​}
其中，$p_i\in N,p_i\ne p_j(i\ne j),i=1,2,\cdots ,n$
若城市之间的距离矩阵为$D={\left|d_{ij}\right|}_{n\times n}$，则TSP问题的数学模型可表示为：
$$\min f(P)=\sum _{i=1}^{n-1}{d}_{p_i,p_{i+1}}+d_{p_n,p_1}$$
其中,$f(P)$表示旅行商行走路线的总路径长度。

本文选取国际通用的TSP实例库TSPLIB中的测试集bayg29，bayg29中城市分布如下图所示：

二、算法简介

光学显微镜算法（Optical microscope algorithm，OMA）从光学显微镜对目标物体的放大能力中汲取灵感，使用肉眼进行初步观察，并通过物镜和目镜模拟放大过程。
参考文献：

Cheng, M. Y., & Sholeh, M. N. (2023). Optical microscope algorithm: a new metaheuristic inspired by microscope magnification for solving engineering optimization problems. Knowledge-Based Systems. DOI: https://doi.org/10.1016/j.knosys.2023.110939

原文链接：https://blog.csdn.net/2401_82411023/article/details/137400257

三、部分代码

close all
clear
clc
%数据集参考文献  REINELT G.TSPLIB-a traveling salesman problem[J].ORSA Journal on Computing,1991,3(4):267-384.
global data
load('data.txt')%导入TSP数据集bayg29

Dim=size(data,1)-1;%维度
lb=-100;%下界
ub=100;%上界
fobj=@Fun;%计算总距离
SearchAgents_no=100; % 种群大小（可以修改）
Max_iteration=1000; % 最大迭代次数（可以修改）
[fMin,bestX,curve]=OMA(SearchAgents_no,Max_iteration,lb,ub,Dim,fobj); 

四、部分结果

算法得到的路径：1 > 28 > 12 > 6 > 9 > 5 > 26 > 29 > 3 > 2 > 21 > 24 > 13 > 20 > 10 > 4 > 18 > 14 > 17 > 22 > 15 > 19 > 11 > 25 > 7 > 23 > 16 > 27 > 8 > 1
算法求解的总路径总长:10026.1143

五、完整MATLAB代码