(Python附代码)回溯法——深度优先搜索算法求解TSP问题

(Python附代码)回溯法——深度优先搜索算法求解TSP问题

一、问题描述

【问题描述】采用深度优先搜索算法求解TSP问题，并在搜索过程中，使用界限条件（当前结点已经走过的路径长度要小于已求得的最短路径）进行“剪枝”操作（不再对后续结点进行遍历），从而提高搜索效率。采用queue模块中的栈（LifoQueue）来实现深度优先搜索。
【输入形式】在屏幕上输入顶点个数和连接顶点间的边的邻接矩阵。
【输出形式】最优值和其中一条最优路径。
【样例输入】
4
0 30 6 4
30 0 5 10
6 5 0 20
4 10 20 0
【样例输出】
[1]
[1, 2]
[1, 2, 3]
[1, 2, 3, 4]
[1, 2, 4]
[1, 3]
[1, 3, 2]
[1, 3, 2, 4]
[1, 4]
[1, 4, 2]
[1, 4, 2, 3]
[1, 4, 3]
25: [1, 3, 2, 4]
【样例说明】
输入：顶点个数为4。连接顶点间边的邻接矩阵大小为4行4列，位置[i,j]上元素值表示第i个顶点到第j个顶点的距离，0表示两个顶点间没有边连接。
输出：最优值为25，最优路径为[1, 3, 2, 4]。

二、算法思路分析
 TSP旅行商问题是算法里很经典的一类题目，可以用回溯法和分枝界限法求解。本文针对回溯法进行详述，优先队列可关注博主后续文章哦。
 回溯法可以系统地搜索一个问题的所有解或任一解，它是一个既带有系统性又带有跳跃性的搜索算法。回溯法解题的步骤如下：

1. 针对所给问题，定义问题的解空间；
2. 确定易于搜索的解空间结构；
3. 以深度优先方式搜索解空间树，并在搜索过程中用剪枝函数避免无效搜索。

 TSP问题的解空间是一棵排列树（见下图），对于排列树的回溯搜索生成一条最优的道路。

 本题利用栈（LifoQueue）来实现深度优先遍历排列树，在栈非空时，从栈取出当前结点i：

• i=n时，说明当前结点是叶结点的父结点，此时判断图中是否有从x[n-1]到x[n]并且存在x[n]到x[0]的边，若果存在则找到一条路径，判断该路径cost是否小于best_cost，如果是，更新best_cost和best_path的值，反之剪去相应子树。
• i<n时，当前结点在第i-1层，图中存在从顶点x[i-1]到顶点x[i]的边时，x[1:n]构成图G的一条路径，且当x[1:i]的路径小于当前最优值时入栈，否则减去相应子树。

三、上代码！

import numpy as np
import queue


# 定义一个结点类
class Node:
    def __init__(self, path=None, cost=None):
        self.path = path
        self.cost = cost


vnum = int(input())  # 顶点数
matrix = np.zeros((vnum, vnum), dtype=np.double)  # 邻接矩阵
for i in range(vnum):
    matrix[i, :] = np.array(input().split(), dtype=np.double)

best_cost = np.inf    # 无穷大
best_path = None

start = Node(path=[1], cost=0)  # 声明第一个结点
TSP_Queue = queue.LifoQueue()
TSP_Queue.put(start)  # 将第一个结点入栈

# 开始while大循环 只要队不空就进行 最后结束会输出所有情况
while not TSP_Queue.empty():
    # 得到一个结点输出一个
    cur_node = TSP_Queue.get()
    if cur_node.cost <= best_cost:
        print(cur_node.path)

    # 判断剪枝条件
    if cur_node.cost > best_cost:
        continue

    # 判断是否为叶结点
    if len(cur_node.path) == vnum:
        new_cost = cur_node.cost + matrix[cur_node.path[-1] - 1, 0]  # 邻接矩阵从0开始的 在这儿算重回1点的距离
        if new_cost < best_cost:
            best_cost = new_cost
            best_path = list(cur_node.path)
        continue

    # 非叶子结点时，扩展结点范围
    for i in range(vnum, 0, -1):
        if not (i in cur_node.path):
            new_cost = cur_node.cost + matrix[cur_node.path[-1] - 1, i - 1]  # cur_node.path[-1]是当前路径的最后一个结点
            if new_cost < best_cost:
                new_path = list(cur_node.path)
                new_path.append(i)
                new_node = Node(path=new_path, cost=new_cost)
                TSP_Queue.put(new_node)

print('{}: {}'.format(int(best_cost), best_path))

👧帮助到你请点赞➕收藏➕关注哦～