14、旅行商问题与几何算法的优化探索

旅行商问题与几何算法的优化探索

1. 旅行商问题的模拟退火优化

旅行商问题（TSP）是一个经典的优化问题，旨在找到一条遍历所有城市且每个城市仅访问一次，最后回到起始城市的最短路径。模拟退火算法是解决该问题的一种有效方法，它允许在一定条件下接受更差的解，以跳出局部最优，从而有可能找到全局最优解。

1.1 扰动函数的改进

最初的扰动函数 perturb() 可以对旅行路线进行多种随机更改，使其更加复杂和灵活。然而，灵活性和复杂性并不总是值得追求的，需要通过测试来判断这些改进是否能提高性能。

neighborids3 = math.floor(np.random.rand() * (len(itinerary)))
for j in range(0,len(tempitin)):
    itinerary2.insert(neighborids3 + j,tempitin[j])
else:
    itinerary2[neighborids1] = itinerary[neighborids2]
    itinerary2[neighborids2] = itinerary[neighborids1]

distance1 = howfar(genlines(cities,itinerary))
distance2 = howfar(genlines(cities,itinerary2))

itinerarytoreturn = itinerary.copy()

randomdraw = np.random.rand()
temperature = 1/((t