最近插入法和最近邻点法

Hamilton回路问题求解

本文分别以最近邻点法和最近插入法求解TSP问题中的Hamilton回路问题。用以下例题作为求解案例

V1V2V3V4V5V6
V101068715
V21005201516
V36501478
V4820140412
V57157406
V6151681260

最近邻点法

最近邻点法的主要逻辑是通过寻找离当前顶点最近的顶点来寻找回来,这样的计算方式比较简便,但是很多情况下只能找到近似解,找不到最优解。

step1.从网络中找一个点作为起点
step2.从剩下的点中找一个离上一个点最近的点加入
step3.重复step2
step4.将最后加入的点与起点连接。这样就构成了一个回路。

Matlab代码如下:

%% 最近邻点法求解Hamilton回路
clc;clear all;close all;
%% 参数初始化
Start=1; %默认取第一个点作为起点
%初始化邻接矩阵
E=[inf 10 6 8 7 15
   10 inf 5 20 15 16
   6 5 inf 14 7 8
   8 20 14 inf 4 12
   7 15 7 4 inf 6
   15 16 8 12 6 inf];
%顶点集长度
PointNum=size(E,1);
% 顶点集
V=linspace(1,PointNum,PointNum);
%Hamilton回路解集
HamSolve=[];
%Hamilton回路长度
HamLength=0;

%% 最近邻点法迭代过程
%将起点加入回路解集
HamSolve=[HamSolve,Start];
%将起点从顶点集中去掉
V=setdiff(V,HamSolve);
%当前点
BetweenPoint=Start;
while ~isempty(V)
    %找到离起点最近的点
    VWeight=min(E(BetweenPoint,V));
    Next=find(E(BetweenPoint,:)==VWeight);
    %将离起点最近的点加入解集
    HamSolve=[HamSolve,Next];
    %将找到的点从顶点集中去掉
    V=setdiff(V,Next);
    %计算Hamilton回路长度
    HamLength=HamLength+VWeight;
    %将当前点修改为下一个点
    BetweenPoint=Next;
end
%将起点加入
HamSolve=[HamSolve,Start]
%计算最后的回路长度
HamLength=HamLength+E(Next,Start)

求解结果:
在这里插入图片描述

最近插入法

最近插入法(Nearest Insertion)是Rosenkrantz和Stearns等人在1977年提出的另一种解决TSP问题的算法,它比最近邻点法复杂,但可得到相对满意的解。
在这里插入图片描述

%% 最近插入法求解Hamilton回路
clc;clear all;close all;
%% 初始化参数
Start=1; %默认取第一个点作为起点
%初始化邻接矩阵
E=[inf 10 6 8 7 15
   10 inf 5 20 15 16
   6 5 inf 14 7 8
   8 20 14 inf 4 12
   7 15 7 4 inf 6
   15 16 8 12 6 inf];
   
%顶点集长度
PointNum=size(E,1);
% 顶点集
V=linspace(1,PointNum,PointNum);
%Hamilton回路
HamSolve=[];
%Hamilton回路长度
HamLength=0;

%% 最近插入法迭代过程
%将起点和终点加入回路解集
HamSolve=[HamSolve,Start,Start];
%将起点从顶点集中去掉
V=setdiff(V,HamSolve);
%当前点
BetweenPoint=Start;
%找到离起点最近的点
VWeight=min(E(BetweenPoint,V));
Next=find(E(BetweenPoint,:)==VWeight);
%Hamilton回路
HamSolve=[HamSolve(1),Next,HamSolve(end)];
%将找到的点从顶点集中去掉
V=setdiff(V,Next);
%计算Hamilton回路长度
HamLength=HamLength+VWeight+E(Next,Start);
%将当前点修改为下一个点
BetweenPoint=Next;

while ~isempty(V)
    %Hamilton回路解集
    HamPoint=unique(HamSolve);
    %找到里当前子回路中顶点最近的顶点
    NearestPoint=0;
    NearWeight=zeros(1,length(HamPoint));
    NearPoint=zeros(1,length(HamPoint));
    for Point=1:length(HamPoint)
        NearWeight(Point)=min(E(HamPoint(Point),V));
        NearPoint(Point)=find(E(HamPoint(Point),:)==NearWeight(Point),1);
    end
    NearestPoint=NearPoint(find(NearWeight==min(NearWeight)));
    %计算回路增量
    HamIncrement=zeros(1,length(HamSolve)-1);
    for PoinInc=1:(length(HamSolve)-1)
        HamIncrement(PoinInc)=E(HamSolve(PoinInc),NearestPoint(1))+E(NearestPoint(1),HamSolve(PoinInc+1))-E(HamSolve(PoinInc),HamSolve(PoinInc+1));
    end
    [MinHamIncrement,InsertPoint]=min(HamIncrement);
    %将点插入Hamilton回路
    HamSolve=[HamSolve(1:InsertPoint),NearestPoint(1),HamSolve(InsertPoint+1:end)];
    %计算Hamilton回路长度
    HamLength=HamLength+MinHamIncrement;
    %将已插入的点去除
    V=setdiff(V,NearestPoint(1));
end
HamSolve
HamLength

求解结果:
在这里插入图片描述

### 回答1: 最近邻插值是一种图片放大的方法,也可称为最邻近差值法。该方法可以通过利用已知像素的值来预测新插入像素的值。 在matlab中使用最近邻插值放大图片可以按照以下步骤进行: 1. 导入原始图片:使用imread函数读取图片,并将其保存为一个矩阵。 2. 计算放大倍数:确定放大倍数,例如2倍、3倍等。 3. 创建新图片矩阵:根据放大倍数,计算新图片的宽度和高度,并创建一个新的空白矩阵用于存储放大后的图片。 4. 遍历新图片矩阵:使用两重循环遍历新图片中的每个像素。 5. 计算最近邻像素:对于每个新插入的像素,根据其位置和放大倍数,计算出在原图片中的对应位置。 6. 复制像素值:将原图片对应位置的像素值复制到新图片中的对应像素位置。这里就是使用了最近邻插值的原理,即将最邻近的像素值作为新插入像素的值。 7. 保存和显示放大后的图片:使用imwrite函数将放大后的图片保存为文件,并使用imshow函数显示放大后的图片。 最近邻插值是一种简单且易于实现的放大方法,它可以快速地将图片放大到所需的大小。然而,由于它只选择最邻近的像素值,所以在一些情况下可能会产生锯齿状的边缘或失真。在实际应用中,可能需要考虑其他更复杂的放大算法来获得更好的放大效果。 ### 回答2: 最近邻插值是一种常用的图像放大技术,在MATLAB中也提供了相应的函数来进行最近邻插值放大图片的操作。 最近邻插值的原理是,在图像中的每个像素点周围找到最近的一个像素点,并将其值作为放大后的像素点的值。这种方法比较简单,计算速度也较快,但可能会导致放大后的图像比较粗糙,失真较大。 在MATLAB中,可以使用imresize函数来进行最近邻插值放大图片的操作。该函数的基本调用格式为: B = imresize(A, scale, 'nearest') 其中,A表示原始图像,scale表示放大的倍数,'nearest'表示选择最近邻插值方法。 使用这个函数,可以实现对图像的最近邻插值放大操作。放大后的图像保存在变量B中,可以通过imshow函数来显示放大后的图像。 值得注意的是,在进行最近邻插值放大操作时,放大倍数应当选择合适的值,过大的倍数可能会导致放大后的图像失真较大,而过小的倍数则可能改变不明显。因此,在使用最近邻插值放大图片时,需要根据实际需求选择合适的倍数,以获得较好的放大效果。 ### 回答3: 最近邻插值是一种用于图像放大的插值算法,它主要的原理是通过复制原始像素点的值来填充新生成的像素点。 在MATLAB中,可以使用imresize函数来实现最近邻插值的图像放大。下面是一个简单的示例代码: ```matlab % 读取原始图像 original_image = imread('original_image.jpg'); % 设置放大倍数 scale_factor = 2; % 计算放大后的图像尺寸 new_height = size(original_image, 1) * scale_factor; new_width = size(original_image, 2) * scale_factor; % 最近邻插值放大图像 enlarged_image = imresize(original_image, [new_height, new_width], 'nearest'); % 显示原始图像和放大图像 subplot(1, 2, 1); imshow(original_image); title('原始图像'); subplot(1, 2, 2); imshow(enlarged_image); title('放大图像'); ``` 在上述代码中,我们首先使用`imread`函数读取原始图像,并指定放大倍数为2。然后,通过计算原始图像尺寸和放大倍数,确定放大后的图像尺寸。接下来,使用`imresize`函数进行最近邻插值放大,并将放大后的图像保存在变量`enlarged_image`中。最后,使用`subplot`和`imshow`函数将原始图像和放大图像显示在一幅图中。 需要注意的是,最近邻插值方法在放大图像时会导致一定程度的像素块状失真,图像边缘可能会显得锯齿状。因此,对于放大倍数较大的情况,其他插值算法如双线性插值可能会得到更好的结果。
评论 18
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
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