模拟退火和遗传算法解决TSP问题
数据集介绍
- 采用数据集FRI26
来自标准数据集,共有26个城市,最优解为933:
数据下载链接
算法介绍
模拟退火
介绍:
模拟退火是一种通用概率算法,常用来在一定时间内寻找在一个很大搜寻空间中的近似最优解。
迭代过程:
迭代过程是模拟退火算法的核心步骤,分为新解的产生和接受新解两部分:
- 由一个产生函数从当前解产生一个位于解空间的新解;为便于后续的计算和接受,减少算法耗时,通常选择由当前新解经过简单地变换即可产生新解的方法,如对构成新解的全部或部分元素进行置换、互换等,注意到产生新解的变换方法决定了当前新解的邻域结构,因而对冷却进度表的选取有一定的影响。
- 计算与新解所对应的目标函数差。因为目标函数差仅由变换部分产生,所以目标函数差的计算最好按增量计算。事实表明,对大多数应用而言,这是计算目标函数差的最快方法。
- 判断新解是否被接受,判断的依据是一个接受准则,最常用的接受准则是Metropolis准则:若Δt′<0则接受S′作为新的当前解S,否则以概率exp(-Δt′/T)接受S′作为新的当前解S。
- 当新解被确定接受时,用新解代替当前解,这只需将当前解中对应于产生新解时的变换部分予以实现,同时修正目标函数值即可。此时,当前解实现了一次迭代。可在此基础上开始下一轮试验。而当新解被判定为舍弃时,则在原当前解的基础上继续下一轮试验。
实现代码:
// tsp_sa.cpp: 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <time.h>
#include <fstream>
#include <iostream>
#include <assert.h>
#include <math.h>
using namespace std;
#define T0 50000.0 //初始化温度
#define Tk (1e-8) //终止温度
#define d 0.98 // 退火系数
#define L 1000 // 每个温度时的迭代次数,即链长
#define N 26 // 城市数量
#define TESTTIME 30 //测试次数
int solution[N]; // 用于存放一个解
int map[N][N]; //记录地图数据
const char* filepath = "C://Users//56989//Desktop//dataset.txt";
ifstream infile;
//读取数据
void readData()
{
infile.open(filepath);
assert(infile.is_open()); //若失败,则输出错误消息,并终止程序运行
for (int i = 0; i < 26; i++)
{
for (int j = 0; j < 26; j++)
{
infile >> map[i][j];
}
}
}
// 计算路径长度
int pathLen(int * arr)
{
int totlen = 0;
for (int i = 0; i < N-1; i++)
{
totlen += map[arr[i]][arr[i + 1]];
}
totlen += map[arr[N-1]][arr[0]]; //回到出发城市
return totlen;
}
// 初始化函数
void initSolution()
{
for (int i = 0; i<N; i++)
solution[i] = i; // 初始化一个解
}
// 产生一个新解
// 此处采用随机交叉两个位置的方式产生新的解
void genAnotherSolu()
{
double r1 = ((double)rand()) / (RAND_MAX + 1.0);
double r2 = ((double)rand()) / (RAND_MAX + 1.0);
int pos1 = (int)(N*r1); //第一个交叉点的位置
int pos2 = (int)(N*r2);
int temp = solution[pos1];
solution[pos1] = solution[pos2];
solution[pos2] = temp; // 交换两个点
}
// 主函数
int main(void)
{
readData(); //读取数据
printf("读数据完成\n\n");
srand((unsigned)time(NULL));
time_t start, finish; //计算时间
start = clock(); //开始计算时间
int tempsol