【建模算法】matlab基于求解器intlinprog求解TSP问题

最新推荐文章于 2024-03-04 13:41:39 发布
最新推荐文章于 2024-03-04 13:41:39 发布
阅读量2.6k 收藏 27
点赞数 4
分类专栏： 数学建模 文章标签： matlab 算法 图论
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/124990349
版权

【建模算法】matlab基于求解器intlinprog求解TSP问题

本案例说明如何使用二元整数规划来求解经典的TSP问题。此问题涉及找到一条历经一系列停留点（城市）的最短回路（路径）。在本例中有 52 个停留点，但你可以很轻松地更改 nStops 变量以得到不同规模的问题。对最初的问题进行求解后得到的解会包含子回路。这意味着找到的最优解并没有给出一条穿过所有点的连续路径，而是有几个独立的环路。然后，你可以使用迭代过程来确定子回路，添加约束，并重新运行优化，直到消除子回路。

一、问题描述

​ 本案例以52个城市为例，假定52个城市的位置坐标如表1所列。寻找出一条最短的遍历52个城市的路径。

城市编号X坐标Y坐标
1565575
225185
3345750
4945685
5845655
6880660
725230
85251000
95801175
106501130
111605620
121220580
131465200
1415305
15845680
16725370
17145665
18415635
19510875
20560365
21300465
22520585
23480415
24835625
25975580
261215245
271320315
281250400
29660180
30410250
31420555
32575665
3311501160
34700580
35685595
36685610
37770610
38795645
39720635
40760650
41475960
4295260
43875920
44700500
45555815
46830485
47117065
48830610
49605625
50595360
511340725
521740245

二、求解步骤

2.1 问题表示

将要进行整数线性规划的TSP问题表示如下：

  • 生成所有可能的行程，意味着经过所有不同停留点对组。
  • 计算每次行程的距离。
  • 要最小化的代价函数是行程中每次旅行的旅行距离之和。
  • 决策变量是与每个行程相关联的二元变量，其中每个 1 表示回路中存在的一次行程，每个 0 表示不在回路中的一次行程。
  • 为确保回路包括每个经停留点，应加入这样一个线性约束：每个停留点都正好涉及两段行程。这意味着一段行程到达该停留点，一段行程离开该停留点。

2.2 生成停留点

读取数据，生成停留点

data=importdata('city052.xlsx');
X=data.data.Sheet1(:,2:3);   %各城市坐标

nStops = 52; %52城市，可修改, 问题规模为N^2
stopsLon = X(:, 1);   %城市x坐标
stopsLat = X(:, 2);   %城市y坐标

2.3 计算停留点之间的距离

由于存在52个停留点，因此有 1326 次行程，这意味着有 1326 个二元变量（# 变量 = 52 选择 2）。

生成所有行程，这意味着生成所有停留点对组。

idxs = nchoosek(1:nStops,2);

计算所有行程距离，假设地球表面是平的以便使用毕达哥拉斯法则。

dist = hypot(stopsLat(idxs(:,1)) - stopsLat(idxs(:,2)), ...
             stopsLon(idxs(:,1)) - stopsLon(idxs(:,2)));
lendist = length(dist);

根据 dist 向量的定义，一次回路的长度为

dist'*x_tsp

其中 x_tsp 是二元解向量。这是您尝试最小化的旅行距离。

2.4 创建图和绘制地图

将问题表示为图。创建一个图，其中停留点是节点，行程是边。

G = graph(idxs(:,1),idxs(:,2));

使用图论图显示停留点。绘制没有图边的节点。

%绘制停留点
figure;
hGraph = plot(G,'XData',stopsLon,'YData',stopsLat,'LineStyle','none','NodeLabel',{});
for i = 1: size(X, 1)
    text(X(i, 1), X(i, 2), [' ',num2str(i)], 'color', [1, 0, 0]);
end
hold on

在这里插入图片描述

2.5 约束

创建线性约束，使每个停留点都有两个关联行程，因为每个停留点上必须有一次到达该停留点的行程和一次离开该停留点的行程。

%创建线性约束，使每个停留点都有两个关联行程，因为每个停留点上必须有一次到达该停留点的行程和一次离开该停留点的行程
Aeq = spalloc(nStops,length(idxs),nStops*(nStops-1)); %稀疏矩阵
for ii = 1:nStops
    whichIdxs = (idxs == ii); %查找包含站点ii的行程
    whichIdxs = sparse(sum(whichIdxs,2)); %包括ii位于两端的行程
    Aeq(ii,:) = whichIdxs'; %包含在约束矩阵中
end
beq = 2*ones(nStops,1);

2.6 二元边界

所有决策变量均为二元变量。现在，将 intcon 参数设置为决策变量的数目，设置每个变量的下界为 0，上界为 1。

intcon = 1:lendist;
lb = zeros(lendist,1);
ub = ones(lendist,1);

2.7 使用 intlinprog 进行优化

此问题已可以求解。要隐藏迭代输出，请关闭默认的迭代输出。

opts = optimoptions('intlinprog','Display','off');
[x_tsp,costopt,exitflag,output] = intlinprog(dist,intcon,[],[],Aeq,beq,lb,ub,opts);

创建一个新图，将解行程作为边。为此，在某些值不是精确整数的情况下对解进行舍入，并将生成的值转换为 logical。

x_tsp = logical(round(x_tsp));
Gsol = graph(idxs(x_tsp,1),idxs(x_tsp,2),[],numnodes(G));

2.8 可视化解

%可视化解
highlight(hGraph,Gsol,'LineStyle','-')
title('具有子回路的解')

从图上可以看出，解有几个子回路。到当前为止指定的约束没有阻止这些子回路的发生。要防止出现任何可能的子回路，您将需要极大数量的不等式约束。

2.9 子回路约束

由于无法添加所有子回路约束，需要采用迭代方法。检测当前解中的子回路，然后添加不等式约束以防止发生这些特定子回路。通过执行此操作，您只需几次迭代即可找到合适的回路。

使用不等式约束消除子回路。具体的工作原理如下：如果您在一个子回路中有五个点，则您有五条连接这些点的线来创建该子回路。可实现一个不等式约束来消除此子回路，即，这五个停留点之间存在的线必须小于或等于四条。

还要找到这五个停留点之间的所有线，并限制解中这些线不超过四条。这是正确的约束，因为如果解中存在五条或更多条线，则该解将有子回路（具有 n 个节点和 n 条边的图始终包含一个环路）。

通过识别 Gsol 中的连通分量来检测子回路，该图是用当前解中的边构建的。conncomp 返回一个向量，该向量包含每条边所属的子回路的编号。

tourIdxs = conncomp(Gsol);
numtours = max(tourIdxs); %子回路数目
fprintf('当前子回路数: %d\n',numtours);

加入线性不等式约束以消除子回路，并反复调用求解器求解，直到只剩下一个子回路。

A = spalloc(0,lendist,0); %分配稀疏线性不等式约束矩阵
b = [];

pic_num = 1;
while numtours > 1 %当子回路大于1时进入循环 
    %增加子回路约束
    b = [b;zeros(numtours,1)]; %分配b
    A = [A;spalloc(numtours,lendist,nStops)]; %猜测要分配多少个非零
    for ii = 1:numtours
        rowIdx = size(A,1) + 1; %索引计数器 
        subTourIdx = find(tourIdxs == ii); %提取当前子回路
        variations = nchoosek(1:length(subTourIdx),2);
        for jj = 1:length(variations)
            whichVar = (sum(idxs==subTourIdx(variations(jj,1)),2)) & ...
                       (sum(idxs==subTourIdx(variations(jj,2)),2));
            A(rowIdx,whichVar) = 1;
        end
        b(rowIdx) = length(subTourIdx) - 1;
    end

    %再次尝试优化
    [x_tsp,costopt,exitflag,output] = intlinprog(dist,intcon,A,b,Aeq,beq,lb,ub,opts);
    x_tsp = logical(round(x_tsp));
    Gsol = graph(idxs(x_tsp,1),idxs(x_tsp,2),[],numnodes(G));
    
    %可视化结果
    hGraph.LineStyle = 'none'; %删除之前高亮显示的路径
    highlight(hGraph,Gsol,'LineStyle','-')
    drawnow;
    pause(1);
    F=getframe(gcf);
    I=frame2im(F);
    [I,map]=rgb2ind(I,256);
    if pic_num == 1
        imwrite(I,map,'TSP052.gif','gif', 'Loopcount',inf,'DelayTime',0.5);
    else
        imwrite(I,map,'TSP052.gif','gif','WriteMode','append','DelayTime',0.5);
    end
    
    %本次多少子回路?
    tourIdxs = conncomp(Gsol);
    numtours = max(tourIdxs); %子回路数目
    fprintf('当前子回路数: %d\n',numtours)
    pic_num = pic_num + 1;
end

title('最优解');
hold off

2.10 解质量

此解表示一个可行的回路，因为它是单一环路。但它是否为一次代价最低的回路？找出答案的一种方法是检查输出结构体。

disp(output.absolutegap)

绝对间隙小意味着该解或者是最优的，或者总长度接近最优。

三、求解结果

示例动画（此处为抓取的32城市求解动画）。
在这里插入图片描述
当前子回路数: 7
当前子回路数: 1

总距离：7544.3659

最优解轨迹图：
在这里插入图片描述

matlab完整源代码

%52城市TSP问题求解
clear,clc;
data=importdata('city052.xlsx');
X=data.data.Sheet1(:,2:3);   %各城市坐标

nStops = 52; %52城市，可修改, 问题规模为N^2
stopsLon = X(:, 1);   %城市x坐标
stopsLat = X(:, 2);   %城市y坐标


%生成所有停留点对组
idxs = nchoosek(1:nStops,2);

%计算所有行程距离，假设地球表面是平的以便使用毕达哥拉斯法则
dist = hypot(stopsLat(idxs(:,1)) - stopsLat(idxs(:,2)), ...
             stopsLon(idxs(:,1)) - stopsLon(idxs(:,2)));
lendist = length(dist);

%创建一个图，其中停留点是节点，行程是边。
G = graph(idxs(:,1),idxs(:,2));

%绘制停留点
figure;
hGraph = plot(G,'XData',stopsLon,'YData',stopsLat,'LineStyle','none','NodeLabel',{});
for i = 1: size(X, 1)
    text(X(i, 1), X(i, 2), [' ',num2str(i)], 'color', [1, 0, 0]);
end
hold on

%创建线性约束，使每个停留点都有两个关联行程，因为每个停留点上必须有一次到达该停留点的行程和一次离开该停留点的行程
Aeq = spalloc(nStops,length(idxs),nStops*(nStops-1)); %稀疏矩阵
for ii = 1:nStops
    whichIdxs = (idxs == ii); %查找包含站点ii的行程
    whichIdxs = sparse(sum(whichIdxs,2)); %包括ii位于两端的行程
    Aeq(ii,:) = whichIdxs'; %包含在约束矩阵中
end
beq = 2*ones(nStops,1);

%所有决策变量均为二元变量，将intcon参数设置为决策变量的数目，设置每个变量的下界为 0，上界为 1。
intcon = 1:lendist;
lb = zeros(lendist,1);
ub = ones(lendist,1);

%使用 intlinprog 进行优化求解
opts = optimoptions('intlinprog','Display','off');
[x_tsp,costopt,exitflag,output] = intlinprog(dist,intcon,[],[],Aeq,beq,lb,ub,opts);

%创建一个新图，将解行程作为边，在某些值不是精确整数的情况下对解进行舍入，并将生成的值转换为 `logical`。
x_tsp = logical(round(x_tsp));
Gsol = graph(idxs(x_tsp,1),idxs(x_tsp,2),[],numnodes(G));

%可视化解
highlight(hGraph,Gsol,'LineStyle','-')
title('具有子回路的解')

tourIdxs = conncomp(Gsol);
numtours = max(tourIdxs); %子回路数目
fprintf('当前子回路数: %d\n',numtours);

A = spalloc(0,lendist,0); %分配稀疏线性不等式约束矩阵
b = [];

pic_num = 1;
while numtours > 1 %当子回路大于1时进入循环 
    %增加子回路约束
    b = [b;zeros(numtours,1)]; %分配b
    A = [A;spalloc(numtours,lendist,nStops)]; %猜测要分配多少个非零
    for ii = 1:numtours
        rowIdx = size(A,1) + 1; %索引计数器 
        subTourIdx = find(tourIdxs == ii); %提取当前子回路
        variations = nchoosek(1:length(subTourIdx),2);
        for jj = 1:length(variations)
            whichVar = (sum(idxs==subTourIdx(variations(jj,1)),2)) & ...
                       (sum(idxs==subTourIdx(variations(jj,2)),2));
            A(rowIdx,whichVar) = 1;
        end
        b(rowIdx) = length(subTourIdx) - 1;
    end

    %再次尝试优化
    [x_tsp,costopt,exitflag,output] = intlinprog(dist,intcon,A,b,Aeq,beq,lb,ub,opts);
    x_tsp = logical(round(x_tsp));
    Gsol = graph(idxs(x_tsp,1),idxs(x_tsp,2),[],numnodes(G));
    
    %可视化结果
    hGraph.LineStyle = 'none'; %删除之前高亮显示的路径
    highlight(hGraph,Gsol,'LineStyle','-')
    drawnow;
    pause(1);
    F=getframe(gcf);
    I=frame2im(F);
    [I,map]=rgb2ind(I,256);
    if pic_num == 1
        imwrite(I,map,'TSP052.gif','gif', 'Loopcount',inf,'DelayTime',0.5);
    else
        imwrite(I,map,'TSP052.gif','gif','WriteMode','append','DelayTime',0.5);
    end
    
    %本次多少子回路?
    tourIdxs = conncomp(Gsol);
    numtours = max(tourIdxs); %子回路数目
    fprintf('当前子回路数: %d\n',numtours)
    pic_num = pic_num + 1;
end

title('最优解');
hold off

%disp(output.absolutegap);  %输出解的质量
disp(['总距离：', num2str(costopt)]);
disp('-------------------------');

本案例数据与源代码下载地址：https://download.csdn.net/download/baidu/85467610

果州做题家
关注
专栏目录
matlab基于求解器intlinprog求解TSP问题
05-26
matlab基于求解器intlinprog求解52城市TSP问题完整数据与代码。本案例说明如何使用二元整数规划来求解经典的TSP问题。此问题涉及找到一条历经一系列停留点（城市）的最短回路（路径）。在本例中有 52 个停留点，但你可以很轻松地更改 `nStops` 变量以得到不同规模的问题。对最初的问题进行求解后得到的解会包含子回路。这意味着找到的最优解并没有给出一条穿过所有点的连续路径，而是有几个独立的环路。然后，你可以使用迭代过程来确定子回路，添加约束，并重新运行优化，直到消除子回路。
TSP问题MATLAB实现
02-25
使用MATLAB中的yalmip工具箱，调用cplex求解TSP问题
线性规划求解器 matlab,基于求解器设置线性规划
weixin_30295121的博客
03-17 1828
求解方法要求解优化问题，请执行以下步骤。选择求解器要找到求解此问题的合适求解器，请参考优化决策表。该表要求您根据目标函数的类型和约束的类型对问题进行分类。对于此问题，目标函数是线性的，约束也是线性的。决策表推荐使用 linprog 求解器。minxfTxsuchthat{A⋅x≤b,Aeq⋅x=beq,lb≤x≤ub.(1)fTx 表示由常量组成的行向量 f 乘以由变量组成的列向量 x。换言之，...
tsp问题matlab程序,TSP问题的matlab程序（类似ＧＡ）
weixin_28894423的博客
03-18 205
TSP问题的matlab程序(类似ＧＡ) 但又不是。。。。。 注意淘汰处理　 觉得　有点启发。。呵呵 ／／／／／／／／／／／／／／／／／／／ ％test ap3=[82,7;91,38;83,46;71,44;64,60;68,58;83,69;87,76;74,78;71,71;58,69;54,62;51,67;37,84;41,94; 2,99;7,64;22,60;25,62;18,54;...
TSP问题 matlab实现
05-06
采用遗传算法，使用matlab，有城市位置标示，及运行中城市关系。
Matlab蚁群算法求解TSP问题实例代码（带注释）
04-20
【Matlab蚁群算法求解TSP问题实例代码（带注释）】 旅行商问题（Traveling Salesman Problem，简称TSP）是一个经典的组合优化问题，它询问的是一个旅行商如何访问n个城市，并且每个城市只访问一次，然后返回起点，...
基于遗传算法的TSP问题求解（matlab源码）
04-26
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...本资源给出了“基于遗传算法的一个TSP问题求解”的matlab完整源代码。
基于Matlab的遗传算法解决TSP问题的报告-综合文档
05-24
《基于Matlab的遗传算法解决TSP问题的报告》 旅行商问题（TSP，Traveling Salesman Problem）是一个经典的组合优化问题，旨在寻找访问多个城市的最短路线，且每个城市仅访问一次，并最终返回起点。遗传算法...
TSP-matlab.rar_TSP matlab_TSP问题_matlab code for tsp_matlab求解tsp_
09-14
文件“TSP问题的matlab程序.doc”可能包含了基于这些算法的MATLAB代码实现，通常包括以下几个步骤： 1. **建模**：将TSP问题转化为数学模型，通常表现为一个完全图，其中每个节点代表一个城市，每条边表示两个城市...
【TSP问题】基于人工鱼群算法求解TSP问题matlab 源码.zip
10-20
在MATLAB中实现人工鱼群算法求解TSP问题，首先需要对问题进行建模，将城市的位置表示为二维坐标，每条可能的路径对应一种鱼的游动轨迹。接着，定义算法的主要参数，如鱼的数量、搜索范围、学习因子等。在每次迭代...
tsp问题MATLAB原程序
02-01
tsp问题MATLAB原程序，运行结果可行，可供初学者学习，一个不错的学习资源
matlab实现TSP问题
08-04
本压缩包包含实现TSP问题的完整代码，代码是靠matlab实现的，您可以直接进入matlab选中该文件夹运行GA_TSP即可
Matlab解决TSP问题
06-08
使用Matlab遗传算法思想解决TSP问题
matlab tsp问题代码
03-06
tsp旅行商问题，遗传算法，给出10个 30个城市的实例，成功运行
遗传算法求解TSP问题的MATLAB实现
09-11
以遗传算法求解旅行商问题 (TSP) 为例 , 提出一种改进的交叉和变异算子 , 深入讨论了各个遗传算子的程序实 现 , 并给出其算子的 MATLAB 程序编码 , 最后用 5 个城市的非对称 TSP 进行仿真分析 . 结果表明 , 改进的算法比传统 算法收敛速度更快 , 适应值更优 , 说明改进算法是有效的 , 证实 TSP 问题是遗传算法得以成功应用的典型例子
MATLAB中关于函数intlinprog的使用
热门推荐
f_h_h的博客
09-04 4万+
MATLAB求解混合整数线性规划之intlinprog函数
基于遗传算法解决TSP问题（Matlab代码实现）
weixin_66436111的博客
12-08 1406
目录1.1研究背景近年来我国经济普遍低迷，特别是新冠疫情后物流业承受的压力空前巨大，企业经营困难，物流业转型发展面临重大挑战。且国内物流业的发展还存在许多问题，其中最重要的是没有充分认识发展物流业的重要性、物流行业的技术设备整体水平较低、高水平人才的严重缺失、高成本、低附加值以及物流发展无序、对于信息技术的发展相对落后等。在这种情况下，高效率的物流配送方式、科学有效的管理方法、最优的配送路径是强化服务、降低成本的重要措施。在此背景下，深入研究物流运输路线优化中的许多实际问题，结合合理高效的物流路线，提高效率
MATLAB模拟退火算法求解TSP问题(附完整代码)
最新发布
corn1949的博客
03-04 2445
MATLAB模拟退火算法求解TSP问题(附完整代码)
GA算法解决TSP问题(超完整版)(matlab)
07-06
压缩包包括GA算法解决TSP的全部程序，非常简单好用，比其他上传的算法要简单好用的多，是用matlab写的。 包含全部的城市测试数据和TSPLIB提供的最优路径。 还包括一个TSP阅读器
评论
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