Matlab模拟退火算法解决TSP问题

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/weixin_44547562/article/details/97415667

问题描述

已知敌方100 个目标的经度、纬度如表1 所示。


在地图上显示如下（注：此坐标没有任何实际意义，仅为学习之用）：

我方有一个基地，经度和纬度为（70,40）。假设我方飞机的速度为1000 公里/小时。我方派一架飞机从基地出发，侦察完敌方所有目标，再返回原来的基地。在敌方每一目标点的侦察时间不计，求该架飞机所花费的时间（假设我方飞机巡航时间可以充分长）。

求解思路

这是一个旅行商问题。我们依次给基地编号为1，敌方目标依次编号为2，3，…，101，最后我方基地再重复编号为 102（这样便于程序中计算）。距离矩阵 $D=(d_{ij})_{102\times102}$，其中 $d_{ij}$ 表示表示 $i,j$ 两点的距离， $i, j = 1,2, \dotso,102$，这里 $D$为实对称矩阵。则问题是求一个从点1 出发，走遍所有中间点，到达点102 的一个最短路径。

1. 读取数据

先把xlsx文件中的数据保存在变量 data1 中，把基地设为home，则最终的数据为data = [home; data1; home]。将data再保存到data_plot变量中，方便后面的画图操作。

代码

% 初始化各种参数
T = 1000;       % 设置初始温度
derate = 0.99;  % 设置退火率
T_min = 1e-10; % 设置最小温度
L = 0;          % 迭代次数

data1 = xlsread('飞行点坐标.xlsx'); % 读取数据
home = [70, 40];
data = [home;data1;home];
data_plot = [home;data1;home];

2. 求解距离矩阵

因为文件中给的数据是需侦察点的经纬度，所以需要求实际距离。设A, B两点的地理坐标分别为(x₁, y₁), (x₂, y₂)，过 A, B两点的大圆的劣弧长即为两点的实际距离。以地心为坐标原点O，以赤道平面为XOY 平面，以0 度经线圈所在的平面为 XOZ 平面建立三维直角坐标系。则 A, B两点的直角坐标分别为：

$A(R \cos x_1 \cos y_1, R \sin x_1 \cos y_1, R \sin y_1)$
$A(R \cos x_2 \cos y_2, R \sin x_2 \cos y_2, R \sin y_2)$

其中 R = 6370为地球半径。
A, B两点的实际距离
$d = R \arccos{\biggl(\dfrac{\overrightarrow{OA}\cdot\overrightarrow{OB}}{\lvert\overrightarrow{OA}\lvert\cdot\lvert\overrightarrow{OB}\lvert}\biggl)}$
化简得
$d=R\arccos{\mathbf{[}\cos{(x_1-x_2)}\cos{y_1}\cos{y_2}+\sin{y_1}sin{y_2}\mathbf{]}}$

代码

data = data * pi / 180;
R = 6370; % 地球半径
% 求解距离矩阵
for i = 1:length(data)
    for j = 1:length(data)
        D(i,j) = R*acos(cos(data(i,1)-data(j,1))*cos(data(i,2))*cos(data(j,2))+sin(data(i,2))*sin(data(j,2)));
    end
end

3. 用蒙特卡洛方法产生一个初始解

解空间S 可表为 $\{1,2, \dotso,101,102 \}$的所有固定起点和终点的循环排列集合，即
$S=\{(\pi_1,\pi_2,\dotso,\pi_{102})|\pi_1=1,(\pi_2,\dotso,\pi_{101})为\{2,3,\dotso,101\}的循环排列，\pi_{102}=102)$

循环1000次或更多次，每次循环随机产生解空间，以1开头，以102结尾。每次循环都和上次的总距离Sum比较，如果比上次的总距离小，则此次循环产生的解空间更好。

代码

% 用蒙特卡洛方法产生一个较好的初始解
Sum = inf; % 初始化总路径长度为无穷大
for i = 1:1000
    S=[1,1+randperm(100),102]; % 随机产生解空间S，以1为开头，102为结尾
    temp = 0;
    for j=1:101
        temp=D(S(j),S(j+1));
    end
    if temp < Sum
        S0 = S;
        Sum = temp;
    end 
end

4. 模拟退火过程

求解的模拟退火算法描述如下：

扫描二维码关注公众号，回复： 7568584 查看本文章

(1) 解空间

解空间S 可表为{1,2, $\dotso$,101,102 }的所有固定起点和终点的循环排列集合，即

$S=\{(\pi_1,\pi_2,\dotso,\pi_{102})|\pi_1=1,(\pi_2,\dotso,\pi_{101}为\{2,3,\dotso,101\}的循环排列，\pi_{102}=102)$
其中每一个循环排列表示侦察 100 个目标的一个回路， $\pi_i=j$ 表示在第 $i$次侦察 $j$点，初始解可选为(1,2, $\dotso$,102)，本文中我们使用 Monte Carlo 方法求得一个较好的初始解。

(2) 目标函数

此时的目标函数为侦察所有目标的路径长度或称代价函数。我们要求
$\min f(\pi_1,\pi_2,\dotso\pi_{102})=\displaystyle\sum_{i=1}^{101}d_{\pi_i\pi_{i+1}}$
而一次迭代由下列三步构成：

(3) 新解的产生

2 变换法
任选序号 $u,v$ $(u<v)$交换 $u$与 $v$之间的顺序，此时的新路径为：
$\pi_1\dotso\pi_{u-1}\pi_v\pi_{v+1}\dotso\pi_{u+1}\pi_u\pi_{v+1}\dotso\pi_{102}$

(4) 代价函数差

对于2 变换法，路径差可表示为
$\Delta f=(d_{\pi_{u-1}\pi_v}+d_{\pi_u\pi_{v+1}})-(d_{\pi_{u-1}\pi_u}+d_{\pi_v\pi_{v+1}})$

(5) 接受准则

$P=\begin{dcases} 1 &\Delta f<0 \\ \exp(-\Delta f/T) &\Delta f\ge0 \end{dcases}$
如果 $\Delta f<0$，则接受新的路径。否则，以概率 $\exp(-\Delta f/T)$接受新的路径，即若 $\exp(-\Delta f/T)$大于 0 到1之间的随机数则接受。

(6) 降温

利用选定的降温系数 $\alpha$进行降温即： $T\leftarrow\alpha T$，得到新的温度，这里我们取 $\alpha=0.999$。

(7) 结束条件

用选定的终止温度 $T\_min=10^{-10}$，判断退火过程是否结束。若 $T<T\_min$，算法结束，输出
当前状态。

代码

% 模拟退火
hold on
while T > T_min
    % 2变换法产生新解
    change = 1+ceil(100*rand(1,2));
    change = sort(change);
    u = change(1);
    v = change(2);
    % 求与上一个解的差
    delta_Sum = D(S0(u-1),S0(v))+D(S0(u),S0(v+1))-D(S0(u-1),S0(u))-D(S0(v),S0(v+1));
    % 接受准则
    if delta_Sum < 0
        S0=[S0(1:u-1),S0(v:-1:u),S0(v+1:102)];
        Sum = 0;
        for j=1:101
            Sum=Sum + D(S0(j),S0(j+1));
        end
    elseif exp(-delta_Sum/T)>rand(1)
        S0=[S0(1:u-1),S0(v:-1:u),S0(v+1:102)];
        Sum = 0;
        for j=1:101
            Sum=Sum + D(S(j),S(j+1));
        end
    end
    L = L+1;
    % 画迭代图
    if mod(L, 50)==0
        scatter(L, Sum,'.b');
    end
    T = T*derate;
end
xlabel("迭代次数");
ylabel("总路程");
hold off

5. 数据可视化

代码

%可视化
figure
hold on
%画点
for i = 1:102
    scatter(data_plot(S0(i),1),data_plot(S0(i),2),'*b')
end
%画线
for i = 1:101
    plot([data_plot(S0(i),1),data_plot(S0(i+1),1)], [data_plot(S0(i),2),data_plot(S0(i+1),2)],'r')
end
title("路线图");
hold off
Time = Sum/1000;
fprintf('总路程为%.4f km\n花费时间为%.4f h\n',Sum,Time);

全部代码

clear;
clc;
data1 = xlsread('飞行点坐标.xlsx'); % 读取数据
home = [70, 40];
data = [home;data1;home];
data_plot = [home;data1;home];
data = data * pi / 180;
R = 6370; % 地球半径


% 求解距离矩阵
for i = 1:length(data)
    for j = 1:length(data)
        D(i,j) = R*acos(cos(data(i,1)-data(j,1))*cos(data(i,2))*cos(data(j,2))+sin(data(i,2))*sin(data(j,2)));
    end
end

% 初始化各种参数
T = 1000;       % 设置初始温度
derate = 0.99;  % 设置退火率
T_min = 1e-100;  % 设置最小温度
L = 0;          % 迭代次数

% 用蒙特卡洛方法产生一个较好的初始解
Sum = inf; % 初始化总路径长度为无穷大
for i = 1:1000
    S=[1,1+randperm(100),102]; % 随机产生解空间S，以1为开头，102为结尾
    temp = 0;
    for j=1:101
        temp=D(S(j),S(j+1));
    end
    if temp < Sum
        S0 = S;
        Sum = temp;
    end 
end

% 模拟退火
hold on
while T > T_min
    % 2变换法产生新解
    change = 1+ceil(100*rand(1,2));
    change = sort(change);
    u = change(1);
    v = change(2);
    % 求与上一个解的差
    delta_Sum = D(S0(u-1),S0(v))+D(S0(u),S0(v+1))-D(S0(u-1),S0(u))-D(S0(v),S0(v+1));
    % 接受准则
    if delta_Sum < 0
        S0=[S0(1:u-1),S0(v:-1:u),S0(v+1:102)];
        %S0 = [S0(1:u-1), v, S0(u+1:v-1), u, S0(v+1:length(data))];
        Sum = 0;
        for j=1:101
            Sum=Sum + D(S0(j),S0(j+1));
        end
    elseif exp(-delta_Sum/T)>rand(1)*5
        S0=[S0(1:u-1),S0(v:-1:u),S0(v+1:102)];
        Sum = 0;
        for j=1:101
            Sum=Sum + D(S0(j),S0(j+1));
        end
    end
    L = L+1;
    % 画迭代图
    if mod(L, 50)==0
        scatter(L, Sum,'.b');
    end
    T = T*derate;
end
xlabel("迭代次数");
ylabel("总路程");
hold off

% 可视化
figure 
hold on
% 画点
for i = 1:102
    scatter(data_plot(S0(i),1),data_plot(S0(i),2),'*b')
end
% 画线
for i = 1:101
    plot([data_plot(S0(i),1),data_plot(S0(i+1),1)], [data_plot(S0(i),2),data_plot(S0(i+1),2)],'r')
end
title("路线图");
hold off
Time = Sum/1000;
fprintf('总路程为%.4f km\n花费时间为%.4f h\n',Sum,Time);

结果

其中一次模拟结果如图：

附录

飞行点坐标.png