以下是使用 C++ 实现模拟退火算法解决 TSP 问题的示例代码:
该示例代码实现了一个简单的模拟退火算法,用于求解 TSP 问题。其中,`simulatedAnnealing()` 函数是模拟退火算法的主体部分,包括初始解的随机生成、邻域操作、目标函数的计算、接受准则等;`main()` 函数则是程序入口,读入城市数和距离矩阵,调用 `simulatedAnnealing()` 函数并输出结果。
#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#include <cstdlib>
#include <ctime>
using namespace std;
const int MAXN = 100; // 最大城市数
const double INF = 1e9; // 无穷大
const double T0 = 10000; // 初始温度
const double Tmin = 1e-8; // 终止温度
const double alpha = 0.99; // 降温系数
int n; // 城市数
double dist[MAXN][MAXN]; // 距离矩阵
int path[MAXN]; // 当前路径
int bestPath[MAXN]; // 最优路径
double bestDist = INF; // 最优距离
// 计算路径长度
double getPathDist(int *p) {
double res = 0;
for (int i = 0; i < n - 1; i++) {
res += dist[p[i]][p[i + 1]];
}
res += dist[p[n - 1]][p[0]];
return res;
}
// 邻域操作:交换两个位置上的城市
void swapCity(int *p, int i, int j) {
int tmp = p[i];
p[i] = p[j];
p[j] = tmp;
}
// 模拟退火算法
void simulatedAnnealing() {
srand(time(NULL)); // 初始化随机种子
for (int i = 0; i < n; i++) {
path[i] = i;
}
random_shuffle(path, path + n); // 随机生成初始解
double fbest = getPathDist(path); // 记录最优解
memcpy(bestPath, path, sizeof(path));
bestDist = fbest;
double T = T0;
for (int iter = 0; T > Tmin; iter++) {
int i = rand() % n;
int j = rand() % n;
swapCity(path, i, j);
double fnew = getPathDist(path);
if (fnew < fbest || exp((fbest - fnew) / T) > rand() / (double)RAND_MAX) {
fbest = fnew;
memcpy(bestPath, path, sizeof(path));
bestDist = fbest;
} else {
swapCity(path, i, j); // 恢复原状态
}
T *= alpha; // 温度下降
}
}
int main() {
cin >> n;
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
cin >> dist[i][j];
}
}
simulatedAnnealing();
cout << "最优路径:";
for (int i = 0; i < n; i++) {
cout << bestPath[i] << " ";
}
cout << endl;
cout << "最优距离:" << bestDist << endl;
return 0;
}