13、旅行商问题的高级优化算法：模拟退火算法详解

旅行商问题的高级优化算法：模拟退火算法详解

1. 扰动搜索算法

在解决旅行商问题（TSP）时，我们可以使用扰动搜索算法来寻找较优的行程安排。首先，我们定义一个 perturb() 函数，其工作流程如下：
1. 随机选择行程中的两个城市并交换它们的位置，得到一个新的行程 itinerary2 。
2. 计算原行程的总距离 distance1 和新行程的总距离 distance2 。
3. 如果 distance2 小于 distance1 ，则返回新行程；否则，返回原行程。

以下是使用该函数进行多次迭代以尝试找到最短行程的代码：

itinerary = [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29, \
30,31,32,33,34,35,36,37,38,39]
np.random.seed(random_seed)
itinerary_ps = itinerary.copy()
for n in range(0,len(itinerary) * 50000):
    itinerary_ps = perturb(cities,itinerary_ps)
print(howfar(genlines(cities,itinerary_ps)))

这个算法类似于暴