(MATLAB) 시뮬레이션 된 어닐링 알고리즘은 고정 된 시작점으로 TSP 문제를 해결합니다.
1. 문제 설명
문제 설명 및 문제 해결 아이디어는 내 블로그를 참조하십시오.
https://blog.csdn.net/weixin_45727931/article/details/108110323
샘플
질문 의 줄기를 다시 복사하십시오. 이 질문에는 여행하는 세일즈맨의 시작 지점이 필요하지 않습니다. , 실제 상황에 맞지 않습니다. 실제로 우리가 자주 접하는 것은 드론 크루즈와 같은 고정 된 시작점으로 TSP 문제를 해결하는 것입니다. 이 질문에 대해 여행하는 세일즈맨의 시작 위치 좌표가 [2000,2000]이라고 가정합니다.
2. 프로그램 수정 아이디어
가능한 한 적은 코드를 이동시키는 원리에 따라 거리 계산 함수 func3과 이미지를 그리는 부분 만 수정했습니다.
수정 된 func3 함수는 다음과 같습니다.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%计算路线总长度%%%%%%%%%%%%%%%%%%%%%%%%
function len=func3(start,city,n)
len=0;
for i=1:n-1
len=len+sqrt((city(i).x-city(i+1).x)^2+(city(i).y-city(i+1).y)^2);
end
len=len+sqrt((city(1).x-start(1))^2+(city(1).y-start(2))^2);
len=len+sqrt((city(n).x-city(1).x)^2+(city(n).y-city(1).y)^2);
end
주 기능 부분에서 시작점 좌표를 나타내는 모든 func3 기능에 대한 추가 매개 변수 start를 입력합니다.
코드의 주요 기능 부분은 다음과 같습니다.
%%%%%%%%%%%%%%%%%%%%%%模拟退火算法解决TSP问题%%%%%%%%%%%%%%%%%%%%%%%
% 如果将该算法改为固定位置,起始位置为[2000,2000]
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%初始化%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clear all; %清除所有变量
close all; %清图
clc; %清屏
start=[2000,2000];
C=[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1556;...
3238 1229;4196 1044;4312 790;4386 570;3007 1970;2562 1756;...
2788 1491;2381 1676;1332 695;3715 1678;3918 2179;4061 2370;...
3780 2212;3676 2578;4029 2838;4263 2931;3429 1908;3507 2376;...
3394 2643;3439 3201;2935 3240;3140 3550;2545 2357;2778 2826;...
2370 2975]; %31个省会城市坐标
n=size(C,1); %TSP问题的规模,即城市数目
T=100*n; %初始温度
L=100; %马可夫链长度
K=0.99; %衰减参数
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%城市坐标结构体%%%%%%%%%%%%%%%%%%%%%%%%%%
city=struct([]); %结构体变量,类似python中的字典
for i=1:n %city(i)的值为第i座城市的坐标
city(i).x=C(i,1);
city(i).y=C(i,2);
end
l=1; %统计迭代次数
len(l)=func3(start,city,n); %每次迭代后的路线长度
% figure(1);
while T>0.001 %停止迭代温度
%%%%%%%%%%%%%%%%多次迭代扰动,温度降低之前多次实验%%%%%%%%%%%%%%%
for i=1:L
%%%%%%%%%%%%%%%%%%%计算原路线总距离%%%%%%%%%%%%%%%%%%%%%%%%%
len1=func3(start,city,n);
%%%%%%%%%%%%%%%%%%%%%%%%%产生随机扰动%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%随机置换两个不同的城市的坐标%%%%%%%%%%%%%%%%%
q = randi([1,n],1,2); %这是我改的方法
while q(1) == q(2) % q取1到n之间两个不同的数
q = randi([1,n],1,2);
end
tmp_city=city;
tmp=tmp_city(q(1));
tmp_city(q(1))=tmp_city(q(2));
tmp_city(q(2))=tmp;
%%%%%%%%%%%%%%%%%%%%%%%%计算新路线总距离%%%%%%%%%%%%%%%%%%%%
len2=func3(start,tmp_city,n);
%%%%%%%%%%%%%%%%%%新老距离的差值,相当于能量%%%%%%%%%%%%%%%%%
delta_e=len2-len1;
%%%%%%%%%%%%新路线好于旧路线,用新路线代替旧路线%%%%%%%%%%%%%%
if delta_e<0
city=tmp_city;
else
%%%%%%%%%%%%%%%%%%以概率选择是否接受新解%%%%%%%%%%%%%%%%%
if exp(-delta_e/T)>rand()
city=tmp_city;
end
end
end
l=l+1;
%%%%%%%%%%%%%%%%%%%%%%%%%计算新路线距离%%%%%%%%%%%%%%%%%%%%%%%%%%
len(l)=func3(start,city,n);
%%%%%%%%%%%%%%%%%%%%%%%%%%%温度不断下降%%%%%%%%%%%%%%%%%%%%%%%%%%
T=T*K;
% for i=1:n-1
% plot([city(i).x,city(i+1).x],[city(i).y,city(i+1).y],'bo-');
% hold on;
% end
% plot([city(n).x,city(1).x],[city(n).y,city(1).y],'ro-');
% title(['优化最短距离:',num2str(len(l))]);
% hold off;
% pause(0.005);
end
figure(1);
for i=1:n-1
plot([city(i).x,city(i+1).x],[city(i).y,city(i+1).y],'bo-');
hold on;
end
plot([city(n).x,start(1)],[city(n).y,start(2)],'ro-');
plot([city(1).x,start(1)],[city(1).y,start(2)],'ko-');
title(['优化最短距离:',num2str(len(l))])
hold off;
figure(2);
plot(len)
xlabel('迭代次数')
ylabel('目标函数值')
title('适应度进化曲线')
3. 프로그램 실행 결과
피트니스 진화 곡선은 다음과 같습니다.
최적화 경로는 다음과 같습니다.