模拟退火算法求解TSP问题（python）

原创

已于 2023-10-20 18:16:20 修改 · 661 阅读

4 ·

CC 4.0 BY-SA版权

本文为博主原创文章，转载请在显著位置标明本文出处以及作者网名，未经作者允许不得用于商业目的。

文章标签：

#模拟退火算法 #python #算法

于 2023-10-18 10:19:39 首次发布

本文详细介绍了如何使用模拟退火算法解决旅行商问题(TSP)的步骤，包括坐标转换、距离矩阵计算、路径长度评估以及Metropolis准则的应用。通过实例代码展示了算法流程，但提到了算法迭代图形与书籍中的结果存在差异，表明仍有优化空间。

模拟退火算法求解TSP的步骤参考书籍《Matlab智能算法30个案例分析》。

问题描述

TSP问题描述在该书籍的第4章

在这里插入图片描述

算法流程

在这里插入图片描述

部分实现代码片段

坐标轴转换成两点之间直线距离长度的代码

coordinates = np.array([(16.47, 96.10),
                            (16.47, 94.44),
                            (20.09, 92.54),
                            (22.39, 93.37),
                            (25.23, 97.24),
                            (22.00, 96.05),
                            (20.47, 97.02),
                            (17.20, 96.29),
                            (16.30, 97.38),
                            (14.05, 98.12),
                            (16.53, 97.38),
                            (21.52, 95.59),
                            (19.41, 97.13),
                            (20.09, 92.55),])

# 将距离坐标矩阵转换成两点之间实际的直线距离
city_num