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