【TSP旅行商问题】跳跃降温-模拟退火算法求解

课题名称：基于跳跃降温的模拟退火算法的的旅行商问题TSP

程序版本：2023-06-11

代码获取方式：

QQ：491052175

VX：Matlab_Lover

模型介绍：
第一步：设定参数(其中包括判断是否跳跃的温度值）
第二步：寻找初始解 对于n个城市的TSP问题，能够得到的解就是对1～n的一个排列，其中每个数字为对应城市的编号，如
对10个城市的TSP问题，则 1｜10｜2｜4｜5｜6｜8｜7｜9｜3就是一个合法的解，采用产生随机排列
的方法产生一个初始解S
第三步：解进行变换生成新解：通过对当前解S1进行变换，产生新的路径数组即为新解，这里采用的变换是产生
随机数的方法来产生将要交换的两个城市，用二领域变换法产生新的路径，即新的可行解S2。
第四步：Metropolis准则。若路径长度函数f(s),则当前解的路径为f(s1),新解的路径为f(s2),
路径插df=f(s2)-f(s1)，则Metropolis准则里表示df<0,则以概率1接受新的路径，否则以某种概率
接受新的路径
第五步：降温。判定当前温度值是否高于跳跃降温的温度阈值，如果当前温度高于阈值，利用降温速率q进行二次降温从而实现加快收敛，即T=q^2*T.
如果当前温度低于阈值，用降温速率q进行降温，即T=q*T。若T小于结束温度，则停止迭代输出当前状态，否则继续迭代

特殊说明：
1.程序支持导入包含城市坐标的Excel或者mat文件，也可以随机产生一定数量的城市坐标。
2.神经网络每一次的预测结果都不相同，为了得到更好的结果，建议多次运行取最佳值。
3.城市坐标及距离矩阵可以打开CityInfo.mat文件查看。

代码获取方式：

私聊博主获取

仿真结果：

初始随机解的旅行商路径图

 

跳跃降温SA求解旅行商路径图

距离随迭代次数的变化曲线