【TSP问题】基于模拟退火结合遗传算法求解旅行商问题matlab源码
1 算法介绍
模型介绍见这里。
2 部分代码
function f = simulated_annealing(D, mute, MAX_ITER) % 模拟退火解决中国省会城市TSP问题的简单实现 % 包含台北,香港,澳门 %% 默认参数设置 clear; if ~exist('mute', 'var') mute = 0; % 是否显示各种提示信息 end if ~exist('MAX_ITER', 'var') MAX_ITER = 50; % 每个温度内的最大状态交换尝试次数 % 这个参数很玄乎没什么固定规律的样子 end if ~exist('D', 'var') data=xlsread('省会经纬坐标.xlsx'); C=data; D=zeros(35,35);% D为城市间的距离矩阵 % 形成两两之间对应的矩阵(对称阵,可以只看上三角或下三角) [LA1,LA2]=meshgrid(C(:,2)); [LO1,LO2]=meshgrid(C(:,1)); % 计算两两之间的距离,单位为公里 R = distance(LA1,LO1,LA2,LO2,almanac('earth','wgs84')); D = num2str(R,'%10.2f'); %disp(D); end %% 模拟退火算法参数设置 rng(0); n = size(D, 1); T_range_factor = exp(0:-0.1:-5); % 温度的范围系数 solution = [1, randperm(n-1) + 1]; % 生成一个解,假定从1开始 if ~mute fprintf('邻域内总共有%d个解。\n', numel(P)); end f = TSP_distance(D, solution); % 求出当前解的总距离 if ~mute disp('初始的路径为:'); disp(solution); disp('路径长度为:'); disp(f); end P = generate_neighbors(solution); % 生成初始解的邻域P TMAX = f; % 温度范围动态地随初始解的好坏而变化(初始解越差,要求探索的需求就越大) T_range = T_range_factor * TMAX; % 尽量保证开始的温度足够高 结束的足够低 first = zeros(1, MAX_ITER); final = zeros(1, MAX_ITER); for t = T_range % 外循环 for i = 1:MAX_ITER % 内循环 index = randi(numel(P), 1); % 产生一个1~|P|之间的随机整数 neighbor = P{index}; % 在P中随机取一个解 f_neighbor = TSP_distance(D, neighbor); % 计算这个解的距离 Pt = exp(-(f_neighbor - f)/t); % 转移概率 if Pt > 1, Pt = 1; end % 说明f_neighbor<f if Pt > rand f = f_neighbor; solution = neighbor; P = generate_neighbors(solution); end % 记录外循环第一轮的转移概率 if ~mute && t == T_range(1) first(i) = Pt; end % 记录外循环最后一轮的转移概率 if ~mute && t == T_range(end) final(i) = Pt; end end if ~mute && t == T_range(1) fprintf('初始温度下的转移概率中位数为%f\n', median(first)); end if ~mute && t == T_range(end) fprintf('最后温度下的转移概率中位数为%f\n', median(final)); end end if ~mute fprintf('最后搜索得到的最优路径为:\n'); disp(solution); disp('路径长度为:'); disp(f); end
3 仿真结果
4 参考文献
[1]谢胜利, 唐敏, 董金祥. 求解TSP问题的一种改进的遗传算法[J]. 计算机工程与应用, 2002, 38(008):58-60.
[2]文艺, and 潘大志. "用于求解TSP问题的改进遗传算法." 计算机科学 43.0z1(2016):90-92.