【LKH算法体验】用matlab调用迄今为止最强悍的求解旅行商（TSP）的算法-LKH算法

最新推荐文章于 2024-08-01 16:32:52 发布
最新推荐文章于 2024-08-01 16:32:52 发布
阅读量3.7k 收藏 22
点赞数 8
分类专栏： 数学建模 文章标签： matlab 算法 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu/article/details/124672911
版权

【LKH算法体验】用matlab调用迄今为止最强悍的求解TSP问题的算法-LKH算法

一、LKH算法简介

Keld Helsgaun 是丹麦 罗斯基勒大学计算机科学专业的名誉副教授。 他于 1973 年在 哥本哈根大学获得DIKU 计算机科学硕士学位。他自 1975 年以来一直在罗斯基勒大学工作。他的研究兴趣包括人工智能（问题解决和启发式）和组合优化。

在这里插入图片描述
LKH 是Lin-Kernighan解决旅行商（TSP）问题启发式的有效实现。
计算实验表明，LKH 非常有效。尽管该算法是近似的，但以令人印象深刻的高效率产生最佳解决方案。LKH 已经为我们能够获得的所有已解决问题提供了最佳解决方案；包括一个 109399 个城市的实例（最大的非平凡实例求解到最优）。此外，该算法改进了一系列具有未知最优值的大规模实例的已知解决方案，其中包括 1,904,711 个城市实例 ( World TSP )。

LKH算法是目前求解TSP问题最牛X的算法，下面我们来学习如何调用它。LKH的网址链接为：http://akira.ruc.dk/~keld/research/LKH/。网站上有K. Helsgaun的各种报告，感兴趣的小伙伴可以仔细研究研究。

二、调用LKH的matlab接口

如何用matlab调用LKH这个比较牛X的TSP solver，我们可以在github上找到一位大神写的LKH的matlab接口（网址链接：https://github.com/unr-arl/LKH_TSP），除了matlab接口还有调用LKH的python接口。下次给大家介绍Python接口。

接下来废话不说，进入正题，在github上下载完LKH的matlab接口一切都没问题的时候，接下来看看到这个接口，我们仍是一脸懵逼。

function TSPsolution = LKH_TSP(CostMatrix,pars_struct,fname_tsp,LKHdir,TSPLIBdir)
%
%   Syntax:
%   TSPsolution = LKH_TSP(CostMatrix,pars_struct,fname_tsp,LKHdir,TSPLIBdir)
%
%   This functions solves TSP problems using the Lin-Kernighan-Helsgaun
%   solver. It assumes that a compiled executable of the LKH solver as
%   found at: http://www.akira.ruc.dk/~keld/research/LKH/ is available at
%   the LKHdir directory. Furthermore a TSPLIB directory is assumed.
%   For the definition of the TSPLIB and the compilation of the LKH code
%   check the aforementioned url. 
%
%   Inputs:
%   CostMatrix      : the Cost Matrix of the (asymmetric) TSP. [e.g. it can be an NxN matrix of distances]
%   pars_struct     : parameters structure with
%                   : -> CostMatrixMulFactor (value that makes Cost Matrix
%                        almost integer. [eg. pars_struct.CostMatrixMulFactor = 1000; ]
%                     -> user_comment (a user comment for the problem) [optional]
%   fname_tsp       : the filename to save the tsp problem
%   LKHdir          : the directory of the LKH executable
%   TSPLIBdir       : the directory of the TSPLIB files
%   
%   Outputs:
%   TSPsolution     : the TSP solution
%   
%   Authors:
%   Kostas Alexis (kalexis@unr.edu)
%

CostMatrix_tsp = pars_struct.CostMatrixMulFactor*CostMatrix;
CostMatrix_tsp = floor(CostMatrix_tsp);
user_comment = pars_struct.user_comment; 

fileID = writeTSPLIBfile_FE(fname_tsp,CostMatrix_tsp,user_comment);

disp('### LKH problem set-up...');
%%  Solve the TSP Problem via the LKH Heuristic
disp('### Now solving the TSP problem using the LKH Heuristic...');
copy_toTSPLIBdir_cmd = ['cp ' LKHdir fname_tsp '.txt' ' ' TSPLIBdir];

start_lkh_time = cputime;
lkh_cmd = [LKHdir 'LKH' ' ' TSPLIBdir fname_tsp '.par'];
[status,cmdout] = system(lkh_cmd,'-echo');
end_lkh_time = cputime;

copy_toTSPLIBdir_cmd = ['cp ' LKHdir fname_tsp '.txt' ' ' TSPLIBdir];
[status,cmdout] = system(copy_toTSPLIBdir_cmd);
disp('### ... done!');
solution_file = [fname_tsp '.txt']; 
tsp_sol_cell = importdata(solution_file);

rm_solution_file_cmd = ['rm ' LKHdir fname_tsp '.txt'];
[status,cmdout] = system(rm_solution_file_cmd);

tsp_sol = [];
for i = 1:length(tsp_sol_cell.textdata)
    if ~isempty(str2num(tsp_sol_cell.textdata{i}))
        tsp_sol(end+1) = str2num(tsp_sol_cell.textdata{i});
    end
end
tsp_sol(end) = [];

TSPsolution = tsp_sol;

end

我们发现下面这两行代码才是最有用的：

lkh_cmd = [LKHdir 'LKH' ' ' TSPLIBdir fname_tsp '.par'];
[status,cmdout] = system(lkh_cmd,'-echo');

解释一下：LKHdir就是在http://akira.ruc.dk/~keld/research/LKH/这个网站上下载的LKH.exe的存储位置。LKH.exe可以在画红色箭头的位置下载。

在这里插入图片描述
TSPLIBdir 就是存放.par文件的路径，fname_tsp 就是.tsp的文件名。

在这里有一个注意事项：尽量把各个文件夹都放在同一目录下，自己可以新建一个“LKH”文件夹。

然后把TSPLIB和LKH.exe文件都放在这个目录下，然后再把.par文件和.tsp文件都放在TSPLIB目录下，.par文件其实是执行LKH.exe的参数。
在这里插入图片描述

如：pr2392.tsp的.par文件长这样
在这里插入图片描述

小伙伴在调用LKH.exe之前，一定要把参数信息先写好，否则无法调用成功，其实把这几行复制一下，然后改一下第一行即可，改成相对应.tsp文件的路径+.tsp文件名。

比如说我要测试某个文件(如:Tnm52.tsp)，则第一步一定是自己先写好Tnm52.par文件，怎么写？可以先创建一个Tnm52.txt文件，然后把文件类型改为.par，这样就可以在matlab中打开Tnm52.par文件。打开之后一定是空的，然后把之前的pr2392.par文件中的内容复制粘贴过去，做一下对应修改。

接下来，编写如下调用LKH的matlab代码。

 %%已知城市各点坐标，求最优解
clear,clc;
fname_tsp='pr2392';
LKHdir=strcat(pwd,'/LKH/');
TSPLIBdir=strcat(pwd,'/LKH/TSPLIB/');
lkh_cmd=[LKHdir 'LKH' ' ' TSPLIBdir fname_tsp '.par'];
 
%status 为零表示命令已成功完成。MATLAB 将在 cmdout 中返回一个包含当前文件夹的字符向量
[status,cmdout]=system(lkh_cmd,'-echo');

%%先用strfind函数设置好id和_iso的位置，
%然后再根据这两个位置直接提取字符串中在这两个位置之间的字符串就是你所需要的数字
%strfind(s1,s2)--or strfind(s1,pattern),其意思在s1中搜索pattern

first=strfind(cmdout,'Cost.min = ');
last=strfind(cmdout,', Cost.avg');
minCost=str2num(cmdout(first+11:last-1));

以pr2392.tsp为例测试调用结果，从命令行窗口可以看到Cost.min=378032就是最优值。
在这里插入图片描述

三、应用举例

使用LKH算法，求解”运动比赛项目排序问题“：

在各种运动比赛中，为了使比赛公平、公正、合理的举行，一个基本要求是：在比赛项目排序过程中，尽可能使每个运动员不连续参加两项比赛，以便运动员恢复体力，发挥正常水平。下表是某个小型运动会的比赛报名表。有14个比赛项目，40名运动员参加比赛。表中第1行表示14个比赛项目，第1列表示40名运动员，表中数值为“1”表示运动员参加此项比赛，数值为“0”表示运动员不参加此项比赛。建立此问题的数学模型，并且合理安排比赛项目顺序,使连续参加两项比赛的运动员人次尽可能的少。

运动员 / 项目1234567891011121314
101000011000100
200001000100001
301000100000010
400001001000001
510000000100100
600100000001000
700000000000101
810000000000010
901000100100010
1001010100010000
1110000100000100
1200001000000010
1310000000001010
1400001101000000
1500001001000001
1600000010100001
1710100000000000
1800000000010001
1900000001000010
2000010100000000
2110000010000000
2201000000001000
2300000000010001
2410001000010100
2501010000000010
2610000000001000
2700100000100000
2801001000000000
2900010000100001
3000000100001000
3100101000000001
3200000000010010
3300100100000000
3410010001000100
3500100000001001
3600000100010000
3700010010000010
3810101000000010
3900001010001100
4000100010010100

求解过程：

（1）构造距离矩阵

%构造距离矩阵方法如下：
%若项目i和j相邻，计算同时参加这两个项目人数，
%作为i和j距离d(i,j)。则问题转化为求项目1到项目14的一个排列
%使相邻距离和最小。我们采用TSP问题求解。
%将Excel表中0-1表，拷贝到数据文件table1.txt中。
%但由于开始项目和结束项目没有连接，可考虑引入虚拟项目15
%该虚拟项目与各个项目的距离都为0。这样让链和圈等价。成功转换为TSP问题。
clear,clc;
load table1.txt;
a=table1;
[m,n]=size(a);
d=zeros(n+1,n+1); %定义距离矩阵;
for i=1:n
    for j=1:n
        for k=1:m
            d(i,j)=d(i,j)+a(k,i)*a(k,j);
            %计算不同项目之间距离
        end
    end
end
for i=1:n+1
    d(i,i)=0;
end
%输出文件
fid=fopen('dist.txt','w');
for i=1:n+1
    for j=1:n+1
        fprintf(fid,'%1d ',d(i,j));
    end
    fprintf(fid,'\n');
end
fclose(fid);

得到如下距离矩阵：
在这里插入图片描述

（2）编写接口参数文件sports.par与数据文件sport.tsp。

sports.par内容如下：

PROBLEM_FILE = sports.tsp
OPTIMUM 378032
MOVE_TYPE = 5
PATCHING_C = 3
PATCHING_A = 2
RUNS = 10
TOUR_FILE = sports.txt

sport.tsp内容如下:

COMMENT : a comment by the user
TYPE : TSP
DIMENSION : 15
EDGE_WEIGHT_TYPE : EXPLICIT
EDGE_WEIGHT_FORMAT: FULL_MATRIX
EDGE_WEIGHT_SECTION
0 0 2 1 2 1 1 1 1 1 2 4 3 0 0
0 0 0 2 1 3 1 1 1 1 1 1 3 0 0
2 0 0 0 2 1 1 0 1 1 2 1 1 2 0
1 2 0 0 0 2 1 1 1 1 0 1 2 1 0
2 1 2 0 0 1 1 3 1 1 1 2 2 4 0
1 3 1 2 1 0 0 1 1 2 1 1 2 0 0
1 1 1 1 1 0 0 1 1 1 1 3 1 1 0
1 1 0 1 3 1 1 0 0 0 0 2 1 2 0
1 1 1 1 1 1 1 0 0 0 0 1 1 3 0
1 1 1 1 1 2 1 0 0 0 0 2 1 2 0
2 1 2 0 1 1 1 0 0 0 0 1 1 1 0
4 1 1 1 2 1 3 2 1 2 1 0 0 1 0
3 3 1 2 2 2 1 1 1 1 1 0 0 0 0
0 0 2 1 4 0 1 2 3 2 1 1 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EOF

(3)调用LKH算法

%运动会比赛项目排序问题
%已知距离矩阵，求最优解
clear,clc;
fname_tsp='sports';
LKHdir=strcat(pwd,'/LKH/');
TSPLIBdir=strcat(pwd,'/LKH/TSPLIB/');
lkh_cmd=[LKHdir,'LKH',' ',TSPLIBdir,fname_tsp,'.par'];
%距离矩阵
D=[0 0 2 1 2 1 1 1 1 1 2 4 3 0 0 
0 0 0 2 1 3 1 1 1 1 1 1 3 0 0 
2 0 0 0 2 1 1 0 1 1 2 1 1 2 0 
1 2 0 0 0 2 1 1 1 1 0 1 2 1 0 
2 1 2 0 0 1 1 3 1 1 1 2 2 4 0 
1 3 1 2 1 0 0 1 1 2 1 1 2 0 0 
1 1 1 1 1 0 0 1 1 1 1 3 1 1 0 
1 1 0 1 3 1 1 0 0 0 0 2 1 2 0 
1 1 1 1 1 1 1 0 0 0 0 1 1 3 0 
1 1 1 1 1 2 1 0 0 0 0 2 1 2 0 
2 1 2 0 1 1 1 0 0 0 0 1 1 1 0 
4 1 1 1 2 1 3 2 1 2 1 0 0 1 0 
3 3 1 2 2 2 1 1 1 1 1 0 0 0 0 
0 0 2 1 4 0 1 2 3 2 1 1 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
CostMatrix=D;
user_comment='a comment by the user';
writeTSPLIBfile_FE(fname_tsp,CostMatrix,user_comment,TSPLIBdir); 
targetPath='.\';
copyfile([TSPLIBdir,fname_tsp,'.tsp'],targetPath)
system(lkh_cmd,'-echo');

结果如下：
在这里插入图片描述
最优解为1（即：连续参加两项比赛的运动员人次），打开生成的sports.txt查看最优路径：
在这里插入图片描述
即最优路径为：

1->2->3->8->10->9->11->4->5->7->6->15->12->13->14->1

去掉增加的虚拟运动项目15，即得比赛项目安排顺序为：

12->13->14->1->2->3->8->10->9->11->4->5->7->6

这个结果比较好，与我用遗传算法求得的结果完全一致！不错，LKH算法计算效率很高。

觉得文章写得不错的老铁们，点赞评论关注走一波！谢谢啦！
在这里插入图片描述

果州做题家
关注
  • 8
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
从入门到精通：LKH (Lin-Kernighan-Helsgaun) 求解器深入解析与实践，完美解决TSP问题
qq_38334677的博客
09-18 1692
1. 引言: 在旅行商问题(TSP)的解决方法中，LKH(Lin-Kernighan-Helsgaun)求解器因其卓越的性能而备受瞩目。作为一种启发式方法，LKH结合了k-opt移动的策略，成功地为TSP问题提供了高效的解决方案。本文将为大家详细介绍LKH的基本原理，以及如何利用它解决实际的TSP问题。 2. 旅行商问题(TSP)简介: 旅行商问题，也称为TSP问题，是组合优化中的经典问题。简单来说，它是这样描述的：给定一组城市和每对城市之间的距离，寻找一个最短的可能的路线，使得旅行者访问每个城市一次并返回
tspmatlab代码-LKH_TSP:一套使用LKH求解器解决TSP问题的工具
05-24
LKH是Lin-Kernighan启发式算法的有效实现，用于解决旅行商问题。 Lin-Kernighan求解器（也称为Lin-Kernighan-Helsgaun求解器）是TSP效率最高的求解器之一，它采用了k-opt移动的概念。 可通过以下链接在线找到该求解...
关于TSP问题的第三代LKH算法
04-25
关于TSP问题的第三代LKH算法
TSP 问题求解的最好方法 LKH
叮当说的博客
03-06 984
matlab 调用LKH求解TSP问题
【学习】LKH求解器使用
weixin_45058446的博客
06-06 430
LKH求解器使用调用学习
TSP 问题的 LKH 方法介绍
DUT_LYH
05-17 3971
算法设计中最有名的问题恐怕非TSP（旅行售货商问题）莫属了，又名为Hamilton环游问题。 对此问题感兴趣的可以阅读下面的网站： http://www.seas.gwu.edu/~simhaweb/champalg/tsp/tsp.html http://www.akira.ruc.dk/~keld/research/LKH/ 个人认为，K. Helsgaun 的 LKH (Lin-Kernighan-Helsgaun)方法是目前求解 TSP 问题的最有效方法。令人敬佩的是，为了促进研究，K. Hels
【LKH算法体验】Python调用LKH算法求TSP问题
baidu的专栏
05-12 5895
【LKH算法体验】**Python调用迄今为止最强悍的求解TSP问题的算法-LKH算法** LKH算法简介：Keld Helsgaun 是丹麦 罗斯基勒大学计算机科学专业的名誉副教授。 他于 1973 年在 哥本哈根大学获得DIKU 计算机科学硕士学位。他自 1975 年以来一直在罗斯基勒大学工作。他的研究兴趣包括人工智能（问题解决和启发式）和组合优化。
【建模算法】Python调用Gurobi求解TSP问题
baidu的专栏
05-18 8609
TSP (traveling salesman problem，旅行商问题)是典型的NP完全问题，即其最坏情况下的时间复杂度随着问题规模的增大按指数方式增长，到目前为止还未找到一个多项式时间的有效算法。本文探讨了Python调用Gurobi优化器求解TSP问题。
LK算法、LKH算法介绍及Python实现
QQVQQ的博客
03-23 6963
求解TSP问题的LK算法、LKH算法介绍及Python实现。目前正在进行中，欢迎一起讨论！！！
matlab调用LKH求解器Lin-Kernighan启发式算法
04-21
在MATLAB环境中，调用LKH（Lin-Kernighan Heuristic）求解器是一种高效的方法，用于解决旅行商问题（Traveling Salesman Problem, TSP）。旅行商问题是一个经典的组合优化问题，其中的目标是在访问每个城市一次后...
matlab 调用LKH求解TSP
03-07
本主题将详细介绍如何在MATLAB环境中调用LKH算法来求解TSP问题。 首先，我们需要了解LKH算法的基本原理。LKH算法基于局部搜索策略，通过构建一系列的邻接矩阵和启发式信息来寻找可能的最优路径。它利用了Lin-...
LKH.rar_LKH tsp_LKH算法_TSP问题_lkh_lkh.exe
09-23
TSP（Traveling Salesman Problem，旅行商问题）是运筹学中一个经典的组合优化问题，它的目标是找到访问每座城市一次并返回起点的最短路径。这个问题的复杂度非常高，属于NP完全问题，即在多项式时间内无法找到最优...
LKH算法中文翻译.docx
07-03
LKH 算法中文翻译 LKH 算法是解决 TSP（旅行商问题）和 VRP...LKH 算法是解决 TSP 和 VRP 等组合优化问题的启发式算法，该算法的设计和实现是困难的，但它是产生对称旅行商问题最优或近似最优解的最有效方法之一。
MATLAB R2017a 安装与破解 ​编辑
Hello-FPGA
07-29 420
转载自。
MATLAB基础：函数与函数控制语句
Zjs15630471263的博客
07-26 1242
今天我们继续学习Matlab中函数相关知识。help 命令是最基本的查询方法，可查询所有目录、指定目录、命令、函数。我们直接点击帮助菜单即可查询所需的API函数。lookfor 关键字用于搜索相关的命令和函数。如，我们输入lookfor input，MATLAB就会显示所有关于input的API函数type M 文件名用于显示文件代码。如果想显示以.m扩展名结尾的就要加通配符 which M 文件名用于显示指定文件的路径。返回一个路径demo 用于演示matlab功能。如图，我们可以获取各种演示代码来解
优化极限学习机，实现回归预测，三种算法对比，MATLAB代码免费获取
woaipythonmeme的博客
07-28 331
本期将原始蜣螂算法、减法优化器算法、鲸鱼优化算法进行应用。对极限学习机进行优化实现股票回归预测，三种算法相互对比。股票预测案例股票数据特征有：开盘价，盘中最高价，盘中最低价，收盘价等。预测值为股票价格。股票数据整理代码已写好，想换成自己数据的童鞋不需要理解此代码，替换数据即可。下面直接上标准ELM的预测结果和三种不同算法优化ELM的预测结果。标准ELM预测结果展示：三种优化算法优化ELM结果展示...
MATLAB（10）分类算法
最新发布
m0_73399576的博客
08-01 292
MATLAB——分类算法篇
MATLAB学习日志DAY23
T3ARWIPE的博客
07-29 495
在这种情况下，randi 的第一个输入描述整数可能值的范围，后面两个输入描述行和列的数量。列向量为 m×1 矩阵，行向量为 1×n 矩阵，标量为 1×1 矩阵。要手动定义矩阵，使用方括号 [ ] 来表示 数组的开始和结束。有关创建和处理矩阵的详细信息，参阅“创建、串联和扩展矩阵”。MATLAB 提供了许多函数，用于创建各种类型的矩阵。在标量（1×1 矩阵）的情况下，括号不是必需的。在括号内，使用分号;
python LKH算法实现
04-02
LKH算法（Lin-Kernighan Heuristic）是一种用于解决旅行商问题（TSP）的启发式算法。它通过不断优化当前解来寻找更好的解决方案。下面是Python中LKH算法的实现方式： 1. 首先，你需要安装LKH算法的Python包。可以使用pip命令进行安装： ``` pip install lkh_solver ``` 2. 导入所需的包： ```python from lkh_solver import LKH ``` 3. 创建一个LKH对象，并设置算法参数： ```python lkh = LKH() lkh.set_initial_solution("NEAREST-NEIGHBOR") # 设置初始解算法 lkh.set_move_type("5") # 设置移动类型 lkh.set_max_trials(100) # 设置最大尝试次数 ``` 4. 加载问题数据： ```python lkh.load_problem("problem.tsp") ``` 5. 运行LKH算法： ```python lkh.run() ``` 6. 获取最优解和路径： ```python best_cost = lkh.best_cost best_tour = lkh.best_tour ``` 以上是使用Python实现LKH算法的基本步骤。你可以根据具体的问题和需求进行参数设置和结果处理。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值