模拟退火算法解决TSP（python实现 110+行代码）【gif生成】

简述

代码我是基于我之前写的两篇，一篇是遗传算法TSP的Python实现，一篇是模拟退火算法的解决TSP的C++实现。

模拟退火算法理论+Python解决函数极值+C++实现解决TSP问题
遗传算法解决TSP问题 Python实现【160行以内代码】

效果演示

对比

相比于遗传算法来说没有保持历史中的较优数据，但是通过退火的算法思维，很邻近点搜索的想法，任然能保持较为正确的收敛结果

代码

import numpy as np
import random
import matplotlib.pyplot as plt
import os
import shutil
import imageiodef create_data(N, xu=25, yu=25, xd=-25, yd=-25):fx = lambda: random.random() * (xu - xd) + xdfy = lambda: random.random() * (yu - yd) + ydcalDistance = lambda x, y: np.sqrt((x[0] - y[0]) ** 2 + (x[1] - y[1]) ** 2)points = [(0, 0)] * Nfor i in range(N):points[i] = (fx(), fy())Mat = np.zeros((N, N))for i in range(N):for j in range(i + 1, N):dv = calDistance(points[i], points[j])Mat[i][j], Mat[j][i] = dv, dvreturn points, Matdef calpathValue(path):global Mattemp = Mat[0][path[0]]for i in range(len(path) - 1):temp += Mat[path[i]][path[i + 1]]temp += Mat[path[-1]][0]return tempdef initial():global Ninit = list(range(1, N, 1))random.shuffle(init)packValue = calpathValue(init)return init, packValuedef draw(path, pv):global points, N, TIMESIT, PNGFILE, PNGLISTplt.cla()plt.title('cross=%.4f' % pv)xs = [p[0] for p in points]ys = [p[1] for p in points]plt.scatter(xs, ys, color='b')xs = np.array(xs)ys = np.array(ys)plt.plot(xs[[0, path[0]]], ys[[0, path[0]]], color='r')for i in range(N - 2):plt.plot(xs[[path[i], path[i + 1]]], ys[[path[i], path[i + 1]]], color='r')plt.plot(xs[[path[N - 2], 0]], ys[[path[N - 2], 0]], color='r')plt.scatter(xs[0], ys[0], color='k', linewidth=10)for i, p in enumerate(points):plt.text(*p, '%d' % i)plt.savefig('%s/%d.png' % (PNGFILE, TIMESIT))PNGLIST.append('%s/%d.png' % (PNGFILE, TIMESIT))TIMESIT += 1if __name__ == '__main__':# N, Mat = read_data()TIMESIT = 0PNGFILE = './png/'PNGLIST = []if not os.path.exists(PNGFILE):os.mkdir(PNGFILE)else:shutil.rmtree(PNGFILE)os.mkdir(PNGFILE)N = 30points, Mat = create_data(N)T = 1000  # 起始温度alpha = 0.995  # T_{k+1} = alpha * T_k方式更新温度limitedT = 1.  # 最小值的TiterTime = 1000  # 每个温度下迭代的次数K = 0.8  # 系数Kp = 0path, value = initial()tempPath, tempValue = [], 0global_Best = value  # 画图while T > limitedT:print(T)for i in range(iterTime):tempPath = path.copy()tx = random.randint(0, N - 2)ty = random.randint(0, N - 2)if tx != ty:tempPath[tx], tempPath[ty] = tempPath[ty], tempPath[tx]tempValue = calpathValue(tempPath)if tempValue <= value:path = tempPath.copy()value = tempValue.copy()else:p = np.exp((value - tempValue) / (K * T))if random.random() < p:path = tempPath.copy()value = tempValue.copy()if value < global_Best:global_Best = valuedraw(path, value)T *= alphaprint(value)print(0, end='-->')for i in path:print(i, end='-->')generated_images = []for png_path in PNGLIST:generated_images.append(imageio.imread(png_path))shutil.rmtree(PNGFILE)  # 可删掉generated_images = generated_images + [generated_images[-1]] * 5imageio.mimsave('TSP-SAA.gif', generated_images, 'GIF', duration=0.5)

模拟退火算法解决TSP（python实现 110+行代码）【gif生成】相关推荐

【算法】模拟退火算法解决TSP问题的matlab实现
[算法]模拟退火算法解决TSP问题的matlab实现参考文章: (1)[算法]模拟退火算法解决TSP问题的matlab实现 (2)https://www.cnblogs.com/wenyehoush ...
模拟退火算法解决TSP问题
模拟退火算法解决TSP问题参考文章: (1)模拟退火算法解决TSP问题 (2)https://www.cnblogs.com/yangmingustb/p/8641124.html (3)https ...
使用模拟退火算法解决TSP问题
1．实验目的掌握模拟退火算法解决旅行商问题的方法. 2．实验环境 Matlab 3．实验内容使用模拟退火算法解决14个城市的TSP问题,使得从一个城市出发,遍历所有城市回到起点的路线最短.已知14 ...
人工智能 -- 模拟退火算法解决TSP问题（JAVA版）
计算由广州市出发走遍省内所有市的最短距离. 模拟退火算法:由两规则三函数组成. 两规则指:外层循环结束规则.内层循环结束规则. 三函数指:温度更新函数(控制温度的变化).状态产生函数(用于产生邻结点) ...
蚁群算法解决TSP问题（2#JAVA代码+详细注释+对比动态规划【JAVA】）
第一部分:原理 TSP10cities.txt 1 2066 2333 2 935 1304 3 1270 200 4 1389 700 5 984 2810 6 2253 478 7 949 302 ...
模拟退火算法（TSP问题）
模拟退火算法解决TSP问题算法思想模拟退火算法(Simulate Anneal,SA)是一种通用概率演算法,用来在一个大的搜寻空间内找寻命题的最优解模拟退火算法来源于固体退火原理,将固体加温至充 ...
蚁群算法解决 TSP 问题
蚁群算法解决 TSP 问题数据集 Tools.py Ant.py ACO_G.py 运行效果数据集 json 形式(c.json)的中国各省市经纬度数据集,一共 2241 个市的数据,为后来的 T ...
蚁群算法解决tsp问题python_蚁群算法在解决TSP问题中的应用
陈灵佳文章首先对蚁群算法与TSP问题进行简要介绍,在此基础上对蚁群算法在解决TSP问题中的应用进行论述.期望通过本文的研究能够对TSP问题的解决有所帮助. [关键词]蚁群算法 TSP问题最优解 1 ...
《MATLAB智能算法30个案例》：第19章基于模拟退火算法的TSP算法
<MATLAB智能算法30个案例>:第19章基于模拟退火算法的TSP算法 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB智能算法30个案例分析&g ...

模拟退火算法解决TSP（python实现 110+行代码）【gif生成】

简述

效果演示

对比

代码

模拟退火算法解决TSP（python实现 110+行代码）【gif生成】相关推荐

最新文章

热门文章