智能优化算法——禁忌算法小实践

实验一 禁忌搜索算法
一、实验目的与要求：
目的：通过本次实验，学生可以掌握禁忌搜索算法基本原理、基本禁忌搜索算法流程和关键参数的设置。
要求：上机仿真，调试通过。
二、 实验设备：
计算机、Python语言软件
三、实验内容：
旅行商问题（TSP）描述：假设有一个旅行商人要游览全国31个省会城市，他需要选择所要走过的路径，路径的限制是每个城市只能游览一次，而且最后要回到原来出发的城市。路径的选择要求是：所选择路径的路程为所有路径之中的最小值。
全国31个省会城市的坐标为【1304 2312；3639 1315；4177 2244；3712 1399；3488 1535；3326 1556；3238 1229；4196 1004；4312 790；4386 570；3007 1970；2562 1756；2788 1491；2381 1676；1332 695；3715 1678；3918 2179；4061 2370；3780 2212；3676 2578；4029 2838；4263 2931；3429 1908；3507 2367；3394 2643；3439 3201；2935 3240；3140 3550；2545 2357；2778 2826；2370 2975】
四、实验原理：
（1）禁忌搜索算法原理
禁忌搜索算法是解决组合优化问题的一种优化方法。采用禁忌技术，用一个禁忌表记录下已经到达过的局部最优点，在下一次搜索中利用禁忌表中的信息有选择地搜索这些点，以此来挑出局部最优点。
（2）禁忌搜索算法流程或步骤

五、实验结果

六、思考禁忌搜索算法关键参数设置对算法结果的影响
1.禁忌长度
控制其他变量，单就禁忌长度的选择而言，禁忌长度越短，机器内存占用越少，搜索范围上限越大，但很容易造成搜索循环，过早陷入局部最优。禁忌长度过长又会导致计算时间过长。在此实验中选择了((N*(N-1)/2)^0.5)=23为禁忌长度较为合适。

2.特赦规则
禁忌搜索算法中，迭代的某一步会出现候选集的某一个元素被禁止搜索，但是若解禁该元素，则会使评价函数有所改善，因此我们需要设置一个特赦规则，当满足该条件时该元素从禁忌表中跳出。
3.禁忌迭代次数
迭代次数直接关系到结果的好坏程度，理论上越大越好，但是过大会使迭代时间过长而降低效率。针对本次实验迭代次数分别取值1，2，5，10，50，100，400分别进行验证。