【智能优化】禁忌搜索算法（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

包括模糊集、演化计算和群体智能等智能优化算法的理论与技术方法研究一直得到国际社会的普遍关注。智能优化算法是近些年发展起来的新型算法，已经在很多领域获得了广泛的应用,特别是在求解NP组合优化难题中取得了很好的效果。本文基于禁忌搜索算法自定义求解问题，即首先采用最近邻点法产生较好的初始解，再以此为基础进行禁忌搜索，并用该算法求解了TSP的经典案例，算法具有良好的性能。禁忌搜索算法是一种求解非线性规划问题的新式算法，利用算法的禁忌规则实现解的转向，便于更好地得到问题的最优解，很好的展示了禁忌搜索算法的优点及其计算步骤,并用禁忌搜索求解。有时间窗车辆路径问题是当前物流配送系统研究中的热点问题，该问题具有NP难性质，难以求得最优解或满意解。在建立有时间窗车辆路径问题数学模型的基础上，设计了一种禁忌搜索算法，提出基于优先关系的邻域搜索方法提高邻域可行性，使用新颖交叉算子解决传统禁忌搜索算法常见的"局部最优"问题，所以本文自己定义了禁忌表，搜索最优值。

📚2 运行结果

部分代码： 

clear;
clc;
close all;
Clist=[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1556;3238 1229;...
    4196 1044;4312  790;4386  570;3007 1970;2562 1756;2788 1491;2381 1676;...
    1332  695;3715 1678;3918 2179;4061 2370;3780 2212;3676 2578;4029 2838;...
    4263 2931;3429 1908;3507 2376;3394 2643;3439 3201;2935 3240;3140 3550;...
    2545 2357;2778 2826;2370 2975];           % 位置坐标 （x, y）

CityNum=size(Clist,1);                        % 问题的规模

dislist=zeros(CityNum); 

for i = 1:CityNum                             % 产生一个大小为 CityNum x CityNum 的 dislist
    for j = 1:CityNum
        dislist(i,j) = ((Clist(i, 1) - Clist(j, 1))^2 + (Clist(i, 2) - Clist(j, 2))^2)^0.5;       
    end
end

TabuList = zeros(CityNum);                      % 禁忌表
TabuLength = round((CityNum * (CityNum - 1) / 2)^0.5);% 禁忌表长度
Candidates = 200;                               % 候选集的个数 (全部领域解个数)
CandidateNum = zeros(Candidates,CityNum);       % 候选解集合
S0 = randperm(CityNum);                         % 随机产生初始解
BSF = S0;                                       % best so far 渴望水平函数：当前最优解
BestL = Inf;                                    % 当前最佳解距离
p=1;                                            % 记录迭代次数
StopL = 500;                                    % 最大迭代次数

figure(1);

if Candidates > CityNum * (CityNum - 1)/2
    disp('候选解个数不大于n*(n-1)/2!');
end
ArrBestL = zeros(1, StopL);
ALong = zeros(1, StopL);
for p = 1 : 1 : StopL

    ALong(p) = Fun(dislist,S0);       % 当前解的适配值
    i = 1;

    A = zeros(Candidates,2);          % 解中交换的城市矩阵

    % 以下while的 是生成随机的200 X 2  的矩阵矩阵A。每一个元素都是在1-31之间的

    while i <= Candidates        
        M = CityNum * rand(1,2);
        M = ceil(M);
        
        if M(1)~=M(2)
            A(i,1)=max(M(1),M(2));        % 选择要进行位置交换的两个城市
            A(i,2)=min(M(1),M(2));
            isSame = 0;                   % 当前产生两个随机值是否之前产生过 1 是 0 否
            if i > 1
                for j = 1:i - 1
                    if A(i,1) == A(j,1) && A(i,2) == A(j,2)
                        isSame = 1;
                        break;
                    end
                end
            end 

            if isSame == 0
               i = i + 1;
            end            
        end
    end

    %---------------- 产生领域解 ----------------------%

    BestCandidateNum = 100;     % 保留前较好的领域解

    BestCandidate = Inf * ones(BestCandidateNum,4);

    F=zeros(1,Candidates);

    % 产生一个S0的邻域
    for i = 1 : Candidates
        CandidateNum(i,:) = S0;  % 候选解集合
        CandidateNum(i,[A(i,2),A(i,1)]) = S0([A(i,1),A(i,2)]);
        F(i) = Fun(dislist,CandidateNum(i,:));

        if i <= BestCandidateNum
            BestCandidate(i,2) = F(i);            % 当前候选解的函数适配值
            BestCandidate(i,1) = i;               % 当前候选解使用的交换规则 A 的序号
            BestCandidate(i,3) = S0(A(i,1));      % 交换的两个城市号
            BestCandidate(i,4) = S0(A(i,2));   
        else
            for j = 1:BestCandidateNum
                if F(i) < BestCandidate(j,2)      % 搜索集的大小为100，而交换集的大小为200，保留其中适配值最优的100个
                    BestCandidate(j,2) = F(i);
                    BestCandidate(j,1) = i;
                    BestCandidate(j,3) = S0(A(i,1));
                    BestCandidate(j,4) = S0(A(i,2));
                    break;
                end            
            end
        end
    end

    

    [JL,Index] = sort(BestCandidate(:,2));    % 对邻域按适应值进行排序
    SBest = BestCandidate(Index,:);
    BestCandidate = SBest;

    if BestCandidate(1,2) < BestL
        BestL = BestCandidate(1,2);            % 当前邻域内适应值优于历史最优值，不考虑禁忌表
        S0 = CandidateNum(BestCandidate(1,1),:);        
        BSF = S0;
        for m = 1 : CityNum
            for n = 1 : CityNum
                if TabuList(m,n) ~= 0
                    TabuList(m,n) = TabuList(m,n) - 1;                  % 更新禁忌表
                end
            end
        end
        TabuList(BestCandidate(1,3),BestCandidate(1,4)) = TabuLength;   % 更新禁忌表
    else  
        for i = 1:BestCandidateNum
            if  TabuList(BestCandidate(i,3),BestCandidate(i,4)) == 0
                S0 = CandidateNum(BestCandidate(i,1),:);                % 禁忌搜索的关键性语句              
                for m=1:CityNum
                    for n=1:CityNum
                        if TabuList(m,n)~=0
                            TabuList(m,n)=TabuList(m,n)-1;               
                        end
                    end
                end        
                TabuList(BestCandidate(i,3),BestCandidate(i,4))=TabuLength; % 更新禁忌表
                break;

            end
        end
    end

    ArrBestL(p)=BestL; 

    for i=1:CityNum-1
        plot([Clist(BSF(i),1),Clist(BSF(i+1),1)],[Clist(BSF(i),2),Clist(BSF(i+1),2)],'bo-');
        hold on;
    end

    plot([Clist(BSF(CityNum),1),Clist(BSF(1),1)],[Clist(BSF(CityNum),2),Clist(BSF(1),2)],'ro-');
    title(['迭代次数:',int2str(p),' 优化最短距离:',num2str(BestL)]);
    hold off;
    pause(0.005);

end

BestShortcut = BSF;                            %最佳路线
theMinDistance = BestL;                        %最佳路线长度

figure(2);
plot(ArrBestL,'b');
xlabel('迭代次数');
ylabel('目标函数值');
title('适应度进化曲线');
grid;
hold on;
plot(ALong,'r')

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]李杰,金超未,帕尔哈提·克衣木,罗瑞雪.改进禁忌搜索算法的线路规划算法优化设计[J].电气工程学报,2021,16(03):130-136.

[1]李飞龙,赵春艳,范如梦.基于禁忌搜索算法求解随机约束满足问题[J].计算机应用,2019,39(12):3584-3589.

🌈4 Matlab代码实现