禁忌搜索算法（现代优化计算方法）

1.局部搜索算法

a.定义

step1：选定一个初始可行解：x0；记录当前最优解：xbest = x0，T = N( xbest )。
step2：当T \ ( xbest ) = 空集时，或者满足其他停止运算准则时，输出计算结果，停止运算；否则，从T中选一集合S，得到S中的最好接xnow；若f ( xnow ) < f ( xbest )，则xbest = xnow，T = N ( xbest )；否则，T : = T \ S；重复step2。

b.方法1--全邻域搜索（以五城市对称TSP问题为例）

一、图：

二、算法描述（以五城市对称TSP问题为例）：

初始：xbest = (A,B,C,D,E)，f( xbest )=45，本例中，定义邻域映射为对换2个城市的位置。S为N( xbest )全集。

进入循环：

循环1：N(xbest)={(ABCDE)，(ACBDE)，(ADCBE)，(AECDB)，(ABDCE)，(ABEDC)，(ABCED)}，对应目标函数为f(x)={45, 43, 45, 60, 60, 59, 44}

判定条件：xbest=(ACBDE)，f(x)=43。xbest与初始状态不同，N(xbest) \ (xbest) != 空集

循环2：N(xbest)={(ACBDE)，(ABCDE)，(ADBCE)，(AEBDC)，(ACDBE)，(ACEDB)，(ACBED)}，对应目标函数为f(x)={43, 45, 44, 59, 59, 58, 43}

判定条件：xbest=(ACBDE)，f(x)=43。xbest与初始状态相同，N(xbest)与循环1相同，N(xbest) \ (xbest) = 空集，跳出循环

得解xbest=(ACBDE)，f(xbest)=43。

三、代码：

void localsearchWNS(const vector< vector<int> > &v,vector<int> &x,int &costbest,int firstcity)
{
	swap(x[0],x[firstcity]);
	costbest=countDis(x,v);//countDis用于计算花费，代码在此不再贴出
	vector<int> tempx=x;
	int num=x.size();	
	while(true)
	{
		int min=costbest;
		for(int i=1;i<num-1;i++)
		{	
			for(int j=i+1;j<num;j++)
			{
				swap(x[i],x[j]);
				int temp=countDis(x,v);
				if(temp<min)
				{
					min=temp;
					tempx=x;
				}
				swap(x[i],x[j]);
			}	
		}
		if(min==costbest)
		{
			break;
		}
		costbest=min;
		x=tempx;
	}	
}

四、实验：

实验所得，当n<9（比较小的时候），所求与全局最优解相同（回溯求得），在n>10之后，开始有偏离，并且偏离程度不可预测。除起点A外，解空间树共4!=24种情况，以上搜索只搜索了12种，故局部搜索算法<全邻域搜索>并没有搜索完整棵解空间树，求得也不是全局最优解，而是局部最优解。用局部最优解代替全局最优解。

c.方法2--一步随机搜索

一、算法描述：

初始：xbest = (A,B,C,D,E)，f( xbest )=45，本例中，定义邻域映射为对换2个城市的位置。

进入循环：

循环x：从N(xbest)中随机选择一点xnow，如果f(xnow)<f(xbest)，则xbest=xnow，且重新构建N(xbest)；如果f(xnow)>=f(xbest)，则从N(xbest)中移除点xnow，继续循环

判定条件：N(xbest) = 空集，跳出循环

得解

二、代码：