13、旅行商问题中的高级优化算法：模拟退火算法深度解析

旅行商问题中的高级优化算法：模拟退火算法深度解析

1. 扰动搜索算法简介

在旅行商问题（TSP）中，为了找到更优的行程安排，我们可以使用扰动搜索算法。首先有一个 perturb() 函数，它的工作流程如下：
1. 随机选取行程中两个城市交换位置，得到一个新的行程。
2. 计算原始行程的总距离 distance1 和新行程的总距离 distance2 。
3. 如果 distance2 小于 distance1 ，则返回新行程；否则返回原始行程。

通过不断调用这个函数，我们可以尝试找到更短的总行程。以下是具体的代码示例：

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)))

这个算法类似于暴力搜索，但它更有针对性，因为它考虑的是