实验10 禁忌搜索算法求解tsp问题

传送门（所有的实验都使用python实现）

实验1 BP神经网络实验

实验2 som网实验

实验3 hopfield实现八皇后问题

实验4 模糊搜索算法预测薄冰厚度

实验5 遗传算法求解tsp问题

实验6 蚁群算法求解tsp问题

实验7 粒子群优化算法求解tsp问题

实验8 分布估计算法求解背包问题

实验9 模拟退火算法求解背包问题

实验10 禁忌搜索算法求解tsp问题

一、实验目的

理解并使用禁忌搜索算法

二、实验内容

实现基于禁忌搜索算法的TSP问题求解

三、实验环境

使用Python3.0 在 eclipse进行编辑

四、实验步骤

1、输入介绍：

城市总数目为14，采用以下城市坐标，坐标取整数。

参数说明： tl初始禁忌长度 time 迭代次数, spe 特赦值

2、产生初始解：

随机产生一个合法的初始解，第一个城市固定，后面的两个城市交换。

3、目标函数：

巡回路径的城市间距离之和作为目标函数，函数值最小即为最优解。

4、禁忌对象与规则：

禁忌对象为两个城市的交换，同时设定特赦值，当出现最优解且禁忌长度小于特赦值时，则特赦该对象，接受新解。否则被禁忌的对象无法产生新解。

5、邻域搜索：

除起点外，枚举交换任意两个城市交换后的解，选取领域中合法的最优解更新当前解。

6、更新全局最优解。

7、终止条件

达到目标迭代次数则终止并输出结果，否则继续在当前解的邻域搜索。

运行截图：

随机产生路线距离99.503

初始禁忌长度10 特赦值 5 迭代次数20 距离：58.349

初始禁忌长度10 特赦值 5 迭代次数40 距离：48.191

初始禁忌长度10 特赦值 5 迭代次数80 距离：45.472

五、总结

禁忌长度的设置会直接影响到算法的时间，禁忌长度设置过大虽然邻域搜索时间变短但是最终结果并非最优，禁忌长度设置过短虽然结果较优，但是耗费了较多时间，本次实验中初始禁忌长度设置10为最佳。

此外特赦值的大小也会影响算法结果，若特赦值过大，会导致结果陷入局部最优，一直在某个局部最优解附近循环，若特赦值过小，会导致失去接受最优解的机会。本次实验中特赦值取5为最佳。

python源码

#coding:gbk
import random
import math
import matplotlib.pyplot as plt
global m,best,tl; #m 城市个数 best全局最优   tl初始禁忌长度
global time,spe ;    #  time 迭代次数, spe特赦值
best = 10000.0;
m=14; tl = 8; spe= 5; time=100
tabu = [[0]*(m) for i in range(m)]   #禁忌表
best_way=[0]*m;  now_way=[0]*m;    #best_way 最优解  now_way当前解
dis = [[0]*(m) for i in range(m)] # 两点距离
class no:                       #该类表示每个点的坐标def __init__(self,x,y):self.x=x;self.y=y;
p=[];
def draw(t):              #该函数用于描绘路线图x=[0]*(m+1);y=[0]*(m+1);for i in range(m):x[i] =p[t[i]].x;y[i] =p[t[i]].y;x[m] =p[t[0]].x;y[m] =p[t[0]].y;plt.plot(x,y,color='r',marker='*' ); plt.show();
def  mycol():                           #城市坐标输入p.append(no( 16 , 96 ));p.append(no( 16 , 94 )); p.append(no( 20 , 92 )); p.append(no( 22 , 93 )); p.append(no( 25 , 97 )); p.append(no( 22 , 96 )); p.append(no( 20 , 97 ));p.append(no( 17 , 96 )); p.append(no( 16 , 97 )); p.append(no( 14 , 98 )); p.append(no( 17, 97 )); p.append(no( 21 , 95 )); p.append(no( 19 , 97 ));p.append(no( 20 , 94 ));
def  get_dis(a,b):       #返回a，b两城市的距离return   math.sqrt((p[a].x-p[b].x) *(p[a].x-p[b].x) +(p[a].y-p[b].y) *(p[a].y-p[b].y));
def get_value(t):        #计算解t的路线长度ans = 0.0;for i in range(1,m):     ans += dis[t[i]][t[i-1]]ans += dis[t[0]][t[m-1]]return ans;
def cop(a,b):     #把b数组的值赋值a数组for i in range(m):a[i]=b[i]
def rand(g):                 # 随机生成初始解vis = [0]*mfor i in range(m):vis[i]=0;on= 0while on<m:te = random.randint(0,m-1);if(vis[te]==0):vis[te]=1;g[on]=te;on+=1;
def init():            #初始化函数global bestfor i in range(m):for j in range(m):tabu[i][j] = 0;       #初始化禁忌表           dis[i][j]=get_dis(i,j); #计算两点距离rand(now_way)  #生成初始解作为当前解now = get_value(now_way);cop(best_way,now_way); best = now;
def slove():    #迭代函数global best,now;temp = [0]*m;   #中间变量记录交换结果a = 0;b=0; # 记录交换城市下标ob_way =[0]*m; cop(ob_way,now_way);ob_value= get_value(now_way);  #暂存邻域最优解for i in range(1,m):    #搜索所有邻域for j in range(1,m):if(i+j >= m): break;if(i==j): continue;cop(temp,now_way)temp[i],temp[i+j]=temp[i+j],temp[i];  #交换value = get_value(temp)if(value <= best and tabu[i][i+j] < spe):  #如果优于全局最优且禁忌长度小于特赦值 cop(best_way,temp); best = value; a = i;b=i+j; #更新全局最优且接受新解cop(ob_way,temp); ob_value = value;elif(tabu[i][i+j]==0 and value < ob_value):  #如果优于邻域中的最优解则cop(ob_way,temp); ob_value = value; a = i;b=i+j; #接受新解cop(now_way,ob_way);  #更新当前解for i in range(m):                    # 更新禁忌表for j in range(m):if(tabu[i][j] > 0): tabu[i][j]-=1;      tabu[a][b]=tl;  #重置a，b两个交换城市的禁忌值
#*************************主函数*************************mycol();            #数据输入
init();                 #数据初始化for i in range(time):      #控制迭代次数slove();
print("路线总长度：",round(best,3));       #打印最优解距离保留三位小数
draw(best_way);                      #画图描绘路线
print("具体路线：",best_way);                     #打印路线，以序列表示

实验10 禁忌搜索算法求解tsp问题相关推荐

遗传-粒子群算法遗传-禁忌搜索算法求解TSP问题
1. 前言上一篇博文[五种常见启发式算法求解TSP问题-总结篇]中,总结了五种常见启发式算法在求解TSP问题上的效果,其中遗传算法的求解质量最差,而粒子群算法和禁忌搜索算法的求解效果最佳,因此本文计 ...
禁忌搜索算法求解TSP旅行商问题Matlab实现
一. 禁忌搜索算法禁忌搜索算法是一种全局性邻域搜索算法,模拟人类具有记忆功能的寻优特征.它通过局部邻域搜索机制和相应的禁忌准则来避免迂回搜索,并通过破禁水平来释放一些被禁忌的优良状态,进而保证多样化 ...
禁忌搜索算法求解TSP旅行商问题C++（2020.11.19）
TS算法求解TSP问题C++ 1.禁忌搜索算法 1.1 基本思想及主要特点 1.2 基本概念 1.3 算法流程 2. TS求解TSP问题的C++实现 2.1 输入数据文件:bayg29.tsp 2.2 ...
基于改进禁忌搜索算法求解TSP问题（Matlab代码实现）
目录 1 概述 2 改进禁忌搜索算法 3 运行结果 4 参考文献 5 Matlab代码实现 1 概述当城市数量较少时,理论上可以通过穷举法来列举出最优方案,然而当城市数量较多时,所有路线之和将呈指数 ...
领域搜索算法java_使用JAVA实现算法——禁忌搜索算法解决TSP问题
packageBasePart;importjava.io.BufferedReader;importjava.io.FileInputStream;importjava.io.IOException ...
【TS TSP】基于matlab禁忌搜索算法求解31城市旅行商问题【含Matlab源码 1143期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[TSP]基于matlab禁忌搜索算法求解31城市旅行商问题[含Matlab源码 1143期] 点击上面蓝色字体,直接付费下载,即可. 获取 ...
惩罚函数外点matlab,禁忌搜索算法求解带时间窗的车辆路径问题(惩罚函数版附MATLAB代码)...
本周应小伙伴要求继续学习TS求VRPTW,不过这次通过使用惩罚约束的形式允许解违反时间窗约束和容量约束,不过要给违反约束的解加以惩罚. 这次我们的目标函数就不单单只有车辆总行驶距离了,还要包括当前解中 ...
python用禁忌搜索算法实现TSP旅行商问题
使用python禁忌搜索算法实现TSP旅行商问题计算智能课程作业,使用python实现禁忌搜索算法实现TSP旅行商问题问题简介: 给定一系列城市和每对城市之间的距离,求解访问每一座城市一次并回到起 ...
【路径规划】基于禁忌搜索算法求解初始点和终点确定的取送货路径问题matla代码
1 简介研究了带时间窗的取送混合车辆路径问题.问题中,每个客户带有取货和送货两个时间窗,每个客户处的取货和送货任务可以通过访问一次全部完成,也可以分两次访问分别完成送货和取货任务.在对该类问题进行描 ...

实验10 禁忌搜索算法求解tsp问题

实验10 禁忌搜索算法求解tsp问题相关推荐

最新文章

热门文章