TSP(旅行商问题) 贪心、爬山、退火算法的python解决方案

该博客介绍了如何使用Python解决旅行商问题(TSP),包括贪心算法、爬山算法和模拟退火算法。通过在直角坐标系中表示城市位置,从起点开始,逐步寻找最近的城市路径。贪心算法选择最近的城市,爬山算法寻找局部最优解,而模拟退火算法在允许一定恶化的情况下寻找更优解。代码采用面向对象编程,注释详细,易于理解。
摘要由CSDN通过智能技术生成

TSP问题的python简单解决方案(贪婪、爬山、退火)

*该方案中使用直角坐标系来表示各个城市的位置,其中起点为(0,0)

TSP类中计算了map,是所有点到点之间的距离数组

	例如
        起点 点1 点2
	[
	起点[0,  2,  3],
	点1 [1,  0,  2],
	点2 [3,  2,  0]
	]
	如其中的map[1][0] = 1 就表示点1到起点的距离为1
  • 贪心算法:从起点(0, 0)出发,选择最近的点;再从该点出发,选择最近的点;重复执行该步骤,直到没有点时返回起点。
  • 爬山算法:查找局部最优解,从起点(0, 0)出发,交换任意两个节点的顺序, 如果比当前的解优秀则采纳,重复n次(n由用户设置)找到局部最优解。
  • 模拟退火算法:在爬山算法的基础上,可以接受比当前解不优秀一些的解。从起点(0, 0)出发,交换任意两个节点的顺序, 如果解<当前解* e ** a则采纳,【降温系数α<1,以Tn+1=αTn的形式下降,比如取α=0.99 ,e是math.e≈2.718281828459】,每轮的最后修改a = a * a (所以随着轮数的增多,e**a在变小越来越接近1,越来越像爬山算法)

代码使用面向对象的形式编写,有详尽的注释,可以说是目前全网最容易看懂的TSP解法了(比起一上来就大几百行c++甩一脸,一个注释都没有😂)

import random
import copy
import math

class TSP:
	"""
	TSP(Travelling Salesman Problem)
	旅行商问题的类
	"""
	def __init__(self, points):
		"""
		points包含了所有旅行城市的位置坐标,起点默认是(0,0)
		points例如: [(1,2), (3,2)]
		"""
		# 加入起点
		self.points = [(0, 0)] + points
		self.length = len(self.points)
		self.map = self.distance_map()

	def distance(self, point1, point2):
		"""
		计算两点之间的距离
		point1: (x1, y1)
		point2: (x2, y2)
		"""
		return ((point1[0] - point2[0]) ** 2 + 
				(point1[1] - point2[1]) ** 2) ** 0.5


	def distance_map(self):
		"""
		计算所有点到点之间的距离数组
		例如
		    起点 点1 点2
		[
		起点[0,  2,  3],
		点1 [1,  0,  2],
		点2 [3,  2,  0]
		]
		"""
		map = [[0 for _ in range(self.length
评论
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