蚁群算法解TSP问题

最新推荐文章于 2024-01-12 09:32:26 发布

原创

最新推荐文章于 2024-01-12 09:32:26 发布 · 1.4k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#旅行商问题 #tsp #蚁群算法 #蚁群

本文探讨了利用蚁群算法来求解旅行商问题(TSP)。TSP是一个经典的NP完全问题，要求在遍历所有城市一次并返回起点的条件下找到最短路径。文中提到的实现未考虑返回起点的城市，提供了算法的代码思路，并引用了相关论文作为学习资源。测试数据和论文下载链接已给出。

蚁群算法解TSP问题

TSP问题(Travelling Salesman Problem)，可译为旅行商问题、货郎担问题。其问题描述简单，却具有输入规模的指数函数的计算复杂性，属于NP完全问题。

问题可描述为：

有一位商人，他想访问中国的某些城市，要求：
1. 所走路程最近
2. 每个城市只能访问一次
3. 从某城市出发，最后回到该城市

本文所解的TSP问题与上述第3条不同，只处理了走完所有城市，没有回到出发的城市。

code:

#coding:utf-8

import random

class ACOtspSolution:
    maxgen=2500     #循环次数
    pop_size=380    #蚂蚁个数
    alpha=3         #信息启发式因子
    beta=4          #期望启发式因子
    q=100           #信息素强度
    phinit=20       #初始信息素浓度
    rou=0.3         #信息挥发系数
    def __init__(self,plist):#传入点列表(坐标元组表示)
        self.g=[]  #邻接矩阵，每两个点间的距离
        self.n=len(plist)    #问题规模(点的个数)
        self.pheromone=[[self.phinit]*self.n for i in range(self.n)]
        #信息素list，记载每两点间直接路径上的信息素量
        for i in range(len(plist)):
            self.g.append([])
            for j in range(len(plist)):
                if i==j :self.g[i].append(0)

最低0.47元/天解锁文章