TSP(旅行商问题) 贪心、爬山、退火算法的python解决方案

最新推荐文章于 2024-07-21 10:19:12 发布

zwlyn

最新推荐文章于 2024-07-21 10:19:12 发布

阅读量6.4k

点赞数 11

分类专栏： python 文章标签：算法 python 贪心算法 tsp 模拟退火算法

本文链接：https://blog.csdn.net/zw17302560727/article/details/122304577

版权

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