解题思路主要有两部分:
第一部分:i为当前节点(城市),S为还没有遍历的节点(城市集合),表示从第i个节点起,经历S集合中所有的点,到达终点的最短路径长度。因此有:
第二部分,回溯,找到最优的路径,需要将S集合一一对应一个数字(类似于编码,一般用二进制),不如,然后比如从节点i等于0开始,未经历集合为,而下一步最优的节点 j 等于2,那么,回溯时只用从向后推即可,例如,代码如下:
# tsp问题
class Solution:
def __init__(self,X,start_node):
self.X = X #距离矩阵
self.start_node = start_node #开始的节点
self.array = [[0]*(2**len(self.X)) for i in range(len(self.X))] #记录处于x节点,未经历M个节点时,矩阵储存x的下一步是M中哪个节点
def transfer(self,sets):
su = 0
for s in sets:
su = su + 2**s # 二进制转换
return su
# tsp总接口
def tsp(self):
s = self.start_node
num = len(self.X)
cities = range(num) #形成节点的集合
past_sets = [s] #已遍历节点集合
cities.pop(cities.index(s)) #构建未经历节点的集合
node = s #初始节点
return self.solve(node,cities) #求解函数
def solve(self,node,future_sets):
# 迭代终止条件,表示没有了未遍历节点,直接连接当前节点和起点即可
if len(future_sets) == 0:
return self.X[node][self.start_node]
d = 99999
# node如果经过future_sets中节点,最后回到原点的距离
distance = []
# 遍历未经历的节点
for i in range(len(future_sets)):
s_i = future_sets[i]
copy = future_sets[:]
copy.pop(i) # 删除第i个节点,认为已经完成对其的访问
distance.append(self.X[node][s_i] + self.solve(s_i,copy))
# 动态规划递推方程,利用递归
d = min(distance)
# node需要连接的下一个节点
next_one = future_sets[distance.index(d)]
# 未遍历节点集合
c = self.transfer(future_sets)
# 回溯矩阵,(当前节点,未遍历节点集合)——>下一个节点
self.array[node][c] = next_one
return d
D = [[-1,10,20,30,40,50],[12,-1,18,30,25,21],[23,19,-1,5,10,15],[34,32,4,-1,8,16],[45,27,11,10,-1,18],[56,22,16,20,12,-1]]
S = Solution(D,0)
print S.tsp()
# 开始回溯
M = S.array
lists = range(len(S.X))
start = S.start_node
while len(lists) > 0:
lists.pop(lists.index(start))
m = S.transfer(lists)
next_node = S.array[start][m]
print start,"--->" ,next_node
start = next_node