深圳杯的 TSP 问题求解代码——遗传算法求解,基于 Python

本文探讨了使用遗传算法解决旅行商问题(TSP)和多旅行商问题(MTSP)的方法,虽然不适合用作充电器路径规划,但对Python编程和学习遗传算法的读者具有参考价值。提供了C题的Excel数据矩阵,并展示了TSP和MTSP的可视化结果。
摘要由CSDN通过智能技术生成

首先声明,用 TSP 来建模充电器的方法,绝对是错误的。为什么?因为充电器没有每一个 Point 都只能走过一次的约束。所以看这篇文章的你们,自行默哀吧。

不过,这篇文章对于学习 Python 的小伙伴或者学习 TSP 遗传算法的哥们都有作用。如果需要 Matlab 代码,可以翻阅我其他文章。

如果没有参加过深圳杯或者没选 C 题,那么很好,我这里说一下问题:

题目给出了城市坐标。要求求出一个旅行商走过所有城市,总距离最小的路线。第二问是要求规划,在多个旅行商的情况下,走过所有城市(加起来走过所有城市),总距离最小的路线。两个问题均要求,旅行商从起始点出发,回到出发点。

C 题附件1.xlsx 记录了城市的坐标。是一个 N X 2 的矩阵,如果要用到具体问题,请自行生成。

节点坐标我可视化了一下:
在这里插入图片描述

TSP

# -
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

zhuo木鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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