模擬退火算法解決TSP問題

算法思想

模擬退火算法（Simulate Anneal，SA）是一種通用概率演算法，用來在一個大的搜尋空間內找尋命題的最優解

模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內部粒子隨溫升變為無序狀，內能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態，最后在常溫時達到基態，內能減為最小。根據Metropolis準則，粒子在溫度T時趨于平衡的概率為e(-ΔE/(kT))，其中E為溫度T時的內能，ΔE為其改變量，k為Boltzmann常數。用固體退火模擬組合優化問題，將內能E模擬為目標函數值f，溫度T演化成控制參數t，即得到解組合優化問題的模擬退火算法：由初始解i和控制參數初值t開始，對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當前解即為所得近似最優解，這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。

設計思路

初始化溫度T，初始解狀態S，每個溫度t下的迭代次數L；

當k = 1，2，……，L時，進行3~6；

對當前解進行變換得到新解S’（例如對某些解中的元素進行互換，置換）；

計算增量Δt′=C(S′)-C(S)，其中C(S)為評價函數；

若Δt′<0則接受S′作為新的當前解，否則以概率exp(-Δt′/(KT))接受S′作為新的當前解(k為玻爾茲曼常數，數值為：K=1.3806505(24) × 10^-23 J/K）；

如果滿足終止條件則輸出當前解作為最優解，結束程序；

減小T，轉到第2步，直到T小于初始設定的閾值。

程序代碼（TSP問題）

第一種

#include <stdlib.h> #include <stdio.h> #include <iostream> #include<time.h> #include<math.h> #define N 109 #define big 9999999 using namespace std;double nowDist(double d[N][N],int temp[N],int m){//計算當前temp路線組合距離double dist=0;for(int i=1;i<m;i++)dist+=d[temp[i]][temp[i+1]];dist+=d[temp[m]][temp[1]];return dist; }int main(){double d[N][N];//距離矩陣int temp[N];//臨時地點排列順序表double dist=0;//最小距離int n,m;//n為輸入行數,m為地點個數int res[N];double mostdist=big;//數據輸入freopen("input.txt","r",stdin);cin>>m>>n;while(n-->0){int i,j;double k;cin>>i>>j>>k;d[i][j]=d[j][i]=k;}for(int i=1;i<=m;i++){d[i][i]=big;temp[i]=i;if(i!=m) dist+=d[i][i+1];}dist+=d[m][1];cout<<"初始距離: "<<dist<<endl;int count=40;while(count--){//取count次迭代的最小結果double T=1;//初始溫度double a=0.999;//退火率double low=1e-30;//最低溫度long ct=0;//迭代步數long ctj=0;//有效迭代步數srand(time(0));//隨機數種子long all=300000;//最大迭代次數while(T>low){int t1=rand()%m+1,t2=rand()%m+1;//隨機獲得兩個位置if(t1!=t2){swap(temp[t1],temp[t2]);//交換兩位置double ndist=nowDist(d,temp,m);//交換后的路線總距離double df=(ndist-dist);if(df<0){//當前解更優dist=ndist;ctj++;}else if(exp(-df/T)>(rand()%100)/100.0){//大于dist=ndist;ctj++;}else{swap(temp[t1],temp[t2]);}T*=a;//降溫}ct++;if(ct>all)break;}cout<<"當前最短距離:"<<dist<<endl;if(dist<mostdist){mostdist=dist;for(int i=1;i<=m;i++)res[i]=temp[i];}}cout<<"最短距離:"<<mostdist<<endl<<"路線:";for(int i=1;i<=m;i++){cout<<res[i]<<" ";}return 0; }

第二種

#include <stdlib.h> #include <stdio.h> #include <iostream> #include<time.h> #include<math.h>#include<fstream> #include<algorithm> #include<memory.h> using namespace std;const int num = 1000;//city number const int width = 100; const int height = 100;typedef struct node {int x;int y; }city; city citys[num];//citys double dic[num][num];//distance from two citys; bool visit[num];//visited int N;//real citys int seq[num];//最優路徑序列 double answer;//最優路徑長度 const int tempterature = 1000;//初始溫度 const double u = 0.998;//成功降溫因子 const double v = 0.999;//失敗降溫因子 int k = 100;//對每個溫度迭代次數 void init() {//set N&&x-yN = 51;citys[0].x = 37; citys[0].y = 52;citys[1].x = 49; citys[1].y = 49;citys[2].x = 52; citys[2].y = 64;citys[3].x = 20; citys[3].y = 26;citys[4].x = 40; citys[4].y = 30;citys[5].x = 21; citys[5].y = 47;citys[6].x = 17; citys[6].y = 63;citys[7].x = 31; citys[7].y = 62;citys[8].x = 52; citys[8].y = 33;citys[9].x = 51; citys[9].y = 21;citys[10].x = 42; citys[10].y = 41;citys[11].x = 31; citys[11].y = 32;citys[12].x = 5; citys[12].y = 25;citys[13].x = 12; citys[13].y = 42;citys[14].x = 36; citys[14].y = 16;citys[15].x = 52; citys[15].y = 41;citys[16].x = 27; citys[16].y = 23;citys[17].x = 17; citys[17].y = 33;citys[18].x = 13; citys[18].y = 13;citys[19].x = 57; citys[19].y = 58;citys[20].x = 62; citys[20].y = 42;citys[21].x = 42; citys[21].y = 57;citys[22].x = 16; citys[22].y = 57;citys[23].x = 8; citys[23].y = 52;citys[24].x = 7; citys[24].y = 38;citys[25].x = 27; citys[25].y = 68;citys[26].x = 30; citys[26].y = 48;citys[27].x = 43; citys[27].y = 67;citys[28].x = 58; citys[28].y = 48;citys[29].x = 58; citys[29].y = 27;citys[30].x = 37; citys[30].y = 69;citys[31].x = 38; citys[31].y = 46;citys[32].x = 46; citys[32].y = 10;citys[33].x = 61; citys[33].y = 33;citys[34].x = 62; citys[34].y = 63;citys[35].x = 63; citys[35].y = 69;citys[36].x = 32; citys[36].y = 22;citys[37].x = 45; citys[37].y = 35;citys[38].x = 59; citys[38].y = 15;citys[39].x = 5; citys[39].y = 6;citys[40].x = 10; citys[40].y = 17;citys[41].x = 21; citys[41].y = 10;citys[42].x = 5; citys[42].y = 64;citys[43].x = 30; citys[43].y = 15;citys[44].x = 39; citys[44].y = 10;citys[45].x = 32; citys[45].y = 39;citys[46].x = 25; citys[46].y = 32;citys[47].x = 25; citys[47].y = 55;citys[48].x = 48; citys[48].y = 28;citys[49].x = 56; citys[49].y = 37;citys[50].x = 30; citys[50].y = 40; } void set_dic() {//set distancefor (int i = 0; i<N; ++i) {for (int j = 0; j<N; ++j) {dic[i][j] = sqrt(pow(citys[i].x - citys[j].x, 2) + pow(citys[i].y - citys[j].y, 2));}} } double dic_two_point(city a, city b) {return sqrt(pow(a.x - b.x, 2) + pow(a.y - b.y, 2)); } double count_energy(int* conf) {double temp = 0;for (int i = 1; i<N; ++i) {temp += dic_two_point(citys[conf[i]], citys[conf[i - 1]]);}temp += dic_two_point(citys[conf[0]], citys[conf[N - 1]]);return temp; } bool metro(double f1, double f2, double t) {if (f2 < f1)return true;//else// return false;double p = exp(-(f2 - f1) / t);int bignum = 1e9;if (rand() % bignum<p*bignum)return true;return false; } void generate(int* s) {//隨機產生一組新解bool v[num];memset(v, false, sizeof(v));for (int i = 0; i<N; ++i) {s[i] = rand() % N;while (v[s[i]]) {s[i] = rand() % N;}v[s[i]] = true;} } void generate1(int* s) {//隨機交換序列中的一組城市順序int ti = rand() % N;int tj = ti;while (ti == tj)tj = rand() % N;for (int i = 0; i<N; ++i)s[i] = seq[i];swap(s[ti], s[tj]); } void generate2(int* s) {//隨機交換序列中的兩組城市順序int ti = rand() % N;int tj = ti;int tk = ti;while (ti == tj)tj = rand() % N;while (ti == tj || tj == tk || ti == tk)tk = rand() % N;for (int i = 0; i<N; ++i)s[i] = seq[i];swap(s[ti], s[tj]);swap(s[tk], s[tj]); } void generate3(int* s) {//隨機選序列中的三個城市互相交換順序int ti = rand() % N;int tj = ti;int tm = rand() % N;int tn = ti;while (ti == tj)tj = rand() % N;while (tm == tn)tn = rand() % N;for (int i = 0; i<N; ++i)s[i] = seq[i];swap(s[ti], s[tj]);swap(s[tm], s[tn]); } void generate0(int* s) {//以上三種交換方式等概率選擇int temp = rand() % 3;if (temp == 0)generate1(s);else if (temp == 1)generate2(s);else if (temp == 2)generate3(s); } void moni() {double t = tempterature;int seq_t[num];for (int i = 0; i<N; ++i) {//初始化當前序列seq[i] = seq_t[i] = i;}double new_energy = 1, old_energy = 0;while (t>1e-9&&fabs(new_energy - old_energy)>1e-9) {//溫度作為控制變量int t_k = k;int seq_tt[num];while (t_k--&&fabs(new_energy - old_energy)>1e-9) {//迭代次數作為控制變量generate1(seq_tt);new_energy = count_energy(seq_tt);//newold_energy = count_energy(seq_t);//oldif (metro(old_energy, new_energy, t))for (int i = 0; i < N; ++i)seq_t[i] = seq_tt[i];}new_energy = count_energy(seq_t);//newold_energy = answer;//oldif (metro(old_energy, new_energy, t)) {for (int i = 0; i < N; ++i)seq[i] = seq_t[i];answer = count_energy(seq);t *= u;//接受新狀態降溫因子0.98}elset *= v;//不接受新狀態降溫因子0.99}answer = count_energy(seq); } void output() {cout << "the best road is : \n";for (int i = 0; i < N; ++i) {cout << seq[i];if (i == N - 1)cout << endl;elsecout << " -> ";}cout << "the length of the road is " << answer << endl; } void test() {ifstream ifile("data.txt");if (!ifile) {cout << "open field\n";return;}while (!ifile.eof()) {int te = 0;ifile >> te;ifile >> citys[te - 1].x >> citys[te - 1].y;} } int main() {srand(time(0));int t;while (cin >> t) {//僅作為重啟算法開關使用，無意義init();//使用程序內置數據使用init()函數，//test();//使用文件讀取數據使用test()函數，set_dic();//計算每個城市之間的距離moni();//退火output();//輸出}return 0; }

測試例
第一種，通過以下代碼生成數據集文件

import random as rd n=eval(input('城市數量:')) res=[] for i in range(1,n):for j in range(i+1,n+1):res.append((i,j,rd.random()*100)) f=open('input.txt','w') f.write(str(n)+' '+str(len(res))+'\n') for i in res:f.write(str(i[0])+" "+str(i[1])+" "+str(i[2])+"\n") f.close() input('結束')

第二種

1 37 52 2 49 49 3 52 64 4 20 26 5 40 30 6 21 47 7 17 63 8 31 62 9 52 33 10 51 21 11 42 41 12 31 32 13 5 25 14 12 42 15 36 16 16 52 41 17 27 23 18 17 33 19 13 13 20 57 58 21 62 42 22 42 57 23 16 57 24 8 52 25 7 38 26 27 68 27 30 48 28 43 67 29 58 48 30 58 27 31 37 69 32 38 46 33 46 10 34 61 33 35 62 63 36 63 69 37 32 22 38 45 35 39 59 15 40 5 6 41 10 17 42 21 10 43 5 64 44 30 15 45 39 10 46 32 39 47 25 32 48 25 55 49 48 28 50 56 37 51 30 40

運行結果
第一種

初始距離: 587.205 當前最短距離:264.036 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:213.825 當前最短距離:232.311 當前最短距離:278.578 當前最短距離:232.311 當前最短距離:213.825 當前最短距離:216.204 當前最短距離:219.469 當前最短距離:258.466 當前最短距離:219.469 當前最短距離:213.825 當前最短距離:232.311 當前最短距離:278.578 當前最短距離:232.311 當前最短距離:213.825 當前最短距離:216.204 當前最短距離:219.469 當前最短距離:258.466 當前最短距離:219.469 當前最短距離:213.825 當前最短距離:232.311 當前最短距離:278.578 最短距離:213.825 路線:10 2 1 5 8 6 9 7 4 3

第二種

the best road is : 13 -> 24 -> 22 -> 23 -> 50 -> 4 -> 48 -> 9 -> 32 -> 44 -> 38 -> 29 -> 33 -> 20 -> 28 -> 34 -> 35 -> 2 -> 21 -> 27 -> 30 -> 19 -> 1 -> 49 -> 37 -> 8 -> 15 -> 31 -> 10 -> 0 -> 7 -> 25 -> 42 -> 6 -> 47 -> 26 -> 5 -> 45 -> 36 -> 14 -> 43 -> 41 -> 18 -> 39 -> 40 -> 12 -> 16 -> 3 -> 46 -> 11 -> 17

分析
模擬退火算法具有以下優缺點；
1.迭代搜索效率高，并且可以并行化；
2.算法中有一定概率接受比當前解較差的解，因此一定程度上可以跳出局部最優；
3.算法求得的解與初始解狀態S無關，因此有一定的魯棒性；
4.具有漸近收斂性，已在理論上被證明是一種以概率l收斂于全局最優解的全局優化算法。

參考
https://blog.csdn.net/daaikuaichuan/article/details/81381875
https://blog.csdn.net/wordsin/article/details/79915328
https://blog.csdn.net/chenlnehc/article/details/51933802

總結

以上是生活随笔為你收集整理的模拟退火算法（TSP问题）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。