MAT之SA：利用SA算法解決TSP(數據是14個虛擬城市的橫縱坐標)問題

?

?

目錄

輸出結果

實現代碼

---

?

?

?

?

?

輸出結果

?

實現代碼

%SA：利用SA算法解決TSP(數據是14個虛擬城市的橫縱坐標)問題——Jason niu X = [16.4700 96.100016.4700 94.440020.0900 92.540022.3900 93.370025.2300 97.240022.0000 96.050020.4700 97.020017.2000 96.290016.3000 97.380014.0500 98.120016.5300 97.380021.5200 95.590019.4100 97.130020.0900 92.5500];D = Distance(X); N = size(D,1); T0 = 1e10; Tend = 1e-30; L = 2; q = 0.9; Time = ceil(double(solve([num2str(T0) '*(0.9)^x = ',num2str(Tend)]))); count = 0; Obj = zeros(Time,1); track = zeros(Time,N); S1 = randperm(N); DrawPath(S1,X) title('利用自定義函數繪制TSP問題的初始路徑(隨機產生)—Jason niu') disp('初始種群中的一個隨機值:') OutputPath(S1); Rlength = PathLength(D,S1); disp(['總距離：',num2str(Rlength)]);while T0 > Tend count = count + 1; temp = zeros(L,N+1);S2 = NewAnswer(S1); [S1,R] = Metropolis(S1,S2,D,T0); if count == 1 || R < Obj(count-1)Obj(count) = R; elseObj(count) = Obj(count-1);endtrack(count,:) = S1;T0 = q * T0; endfigure plot(1:count,Obj) xlabel('迭代次數') ylabel('距離') title('SA：顯示SA算法對TSP問題的優化過程(適應度函數)—Jason niu')DrawPath(track(end,:),X) title('SA：利用SA對TSP問題優化，繪制出利用SA算法優化后的最優路徑圖—Jason niu') %% IX. 輸出最優解的路線和總距離 disp('最優解:') S = track(end,:); p = OutputPath(S); disp(['總距離：',num2str(PathLength(D,S))]);

?

?

相關文章
MAT之SA：利用SA算法解決TSP(數據是14個虛擬城市的橫縱坐標)問題
?

?

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的MAT之SA：利用SA算法解决TSP(数据是14个虚拟城市的横纵坐标)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。