ACS解决TSP问题的简单实现（C++）

一、背景

1.1、TSP问题

• 旅行商问题，是数学领域中著名问题之一，假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。
• 令 V = { a , … , z } V=\{a, \ldots ,z\} V={ a,…,z}表示城市集合， A = { ( r , s ) : r , s ∈ V } A=\{ (r,s):r,s\in V \} A={ (r,s):r,s∈V}表示边的集合，同时$\delta (r,s)=\delta (s,r)$表示边$(r,s)$上的距离成本。例如，城市$r\in V$的坐标为$(x_r,y_r)$，$\delta (r,s)$表示城市$r$和$s$之间的欧几里得距离。
• TSP问题的一些数据：http://comopt.ifi.uni-heidelberg.de/software/TSPLIB95/tsp/

1.2、蚁群算法

• Ant System模仿自然界中的蚂蚁觅食的行为。在两个城市$r$、$s$间不仅有距离成本$\delta (r,s)$，而且有信息素的记录$\tau (r,s)$。每只蚂蚁通过probabilistic state transition rule来选择城市以完成自己的旅程；当所有蚂蚁完成了自己的旅程后，global pheromone updating rule开始应用，然后不断地迭代以上过程。
• Ant Colony System是在Ant System上做的改进，主要表现在以下三个方面：the state transition rule为蚂蚁提供了探索新边和基于原先经验（信息素）进行选择的平衡；the global updating rule只针对最优路径进行更新；当蚂蚁完成一次旅程后，用local pheromone updating rule进行更新。

二、算法的主要内容

2.1、ACS State Transition Rule（状态转换，伪随机比例规则）

在城市$r$上的蚂蚁通过该规则选择下一个城市$s$， s = { arg ⁡ max ⁡ u ∈ J k ( r ) { [ τ ( r , u ) ] ⋅ [ η ( r , u ) ] β } , if  q ≤ q 0 (exploitation) S , otherwise(biased exploration) s= \begin{cases}\arg \max_{u\in J_k(r)}\{[\tau(r,u)]\cdot[\eta(r,u)]^{\beta}\}, & \text {if $q\leq q_0$(exploitation)} \\ S, & \text{otherwise(biased exploration)} \end{cases} s={ argmaxu∈Jk​(r)​{ [τ(r,u)]⋅[η(r,u)]β},S,​if q≤q0​(exploitation)otherwise(biased exploration)​ $q$是均匀分布，$q_0$是一个参数， S S