ortools解决tsp_ORtools始终返回非常次优的TSP解决方案

生成一些随机高斯坐标后，我注意到TSP解算器返回可怕的解，但是它也会为相同的输入一遍又一遍地返回相同的可怕解。在

鉴于此代码：import numpy

import math

from ortools.constraint_solver import pywrapcp

from ortools.constraint_solver import routing_enums_pb2

import matplotlib

%matplotlib inline

from matplotlib import pyplot, pylab

pylab.rcParams['figure.figsize'] = 20, 10

n_points = 200

orders = numpy.random.randn(n_points, 2)

coordinates = orders.tolist()

class Distance:

def __init__(self, coords):

self.coords = coords

def distance(self, x, y):

return math.sqrt((x[0] - y[0]) ** 2 + (x[1] - y[1]) ** 2)

def __call__(self, x, y):

return self.distance(self.coords[x], self.coords[y])

distance = Distance(coordinates)

search_parameters = pywrapcp.RoutingModel.DefaultSearchParameters()

search_parameters.first_solution_strategy = (

routing_enums_pb2.FirstSolutionStrategy.LOCAL_CHEAPEST_ARC)

search_parameters.local_search_metaheuristic = routing_enums_pb2.LocalSearchMetaheuristic.TABU_SEARCH

routing = pywrapcp.RoutingModel(len(coordinates), 1)

routing.SetArcCostEvaluatorOfAllVehicles(distance)

routing.SetDepot(0)

solver = routing.solver()

routing.CloseModel() # the documentation is a bit unclear on whether this is needed

assignment = routing.SolveWithParameters(search_parameters)

nodes = []

index = routing.Start(0)

while not routing.IsEnd(index):

nodes.append(routing.IndexToNode(index))

index = assignment.Value(routing.NextVar(index))

nodes.append(0)

for (a, b) in zip(nodes, nodes[1:]):

a, b = coordinates[a], coordinates[b]

pyplot.plot([a[0], b[0]], [a[1], b[1]], 'r' )

例如，对于10分，我得到了一个很好的解决方案：

更糟的是，一些明显的优化仍然存在(只需要交换两个点。在

对200美元来说太可怕了：

我想知道上面的代码是否真的做了一些ln，还是仅仅返回初始值，特别是因为大多数first_solution_strategy选项建议进行确定性初始化。在

为什么上面的TSP解算器对相同的数据返回一致的解，尽管禁忌搜索和模拟退火等都是随机的。为什么200分的解决方案如此糟糕？在

我在SearchParameters中使用了几个选项，特别是在local_search_operators中启用了“使用”字段。这没有效果，同样的非常次优解被返回。在