禁忌搜索算法求解 TSP 问题的代码示例

之前笔者曾经简要介绍过模拟退火算法求解 TSP 问题的代码示例：
模拟退火算法求解 TSP 问题的代码示例

本文以 TSP 问题为例，通过具体代码，说明禁忌搜索算法的迭代过程。

禁忌搜索算法流程图

TSP 问题的代码示例

关于 TSP 问题的介绍从略，算法模块的代码（algorithm.py）如下，注释中已说明算法的迭代过程：

from datetime import datetime
from typing import Tuple, List, Set
import random

import pandas as pd


class TabuSearch(object):
    """
    禁忌搜索
    """
    def __init__(self, num_point: int, mat_dist: List[List[float]],
                 num_iter: int = 100, len_tabu: int = 10, size_neighbour: int = 50):
        """
        禁忌搜索，数据初始化

        :param num_point:  TSP 节点数量
        :param mat_dist:  距离矩阵
        :param num_iter:  迭代次数
        :param len_tabu:  禁忌表长度
        :param size_neighbour:  邻域搜索的次数
        """

        # 问题参数
        self.num_point = num_point
        self.mat_dist = mat_dist

        # 算法参数
        self.num_iter = num_iter
        self.len_tabu = len_tabu
        self.size_neighbour = size_neighbour

        # 结果
        self.route_opt, self.distance_opt = [], None  # 最优路径、最优路径距离
        self.route_res, self.distance_res = [], None  # 结果路径、结果路径距离

    def run(self):
        """
        算法运行
        :return: 无
        """

        dts = datetime.now()
        random.seed(1024)

        # 初始解
        route = self._init_solution()
        obj = self._get_distance(route=route)
        self.route_opt, self.distance_opt = route, obj
        print("初始解： {}".format(self.route_opt))
        print("初始解的路径距离： {}".format(self.distance_opt), '\n')

        # 禁忌表
        list_tabu = []

        # loop 1: 迭代次数 NG
        for i in range(self.num_iter