SA退火解决TSP

最新推荐文章于 2022-09-04 16:55:31 发布

猿气

最新推荐文章于 2022-09-04 16:55:31 发布

阅读量491

点赞数 1

CC 4.0 BY-SA版权

分类专栏： datastructure

本文链接：https://blog.youkuaiyun.com/weixin_41395565/article/details/90751258

本文介绍了如何运用SA（模拟退火）算法来解决旅行商问题（TSP）。首先从初始化随机路径开始，然后计算初始路径的花费。接着进行多次降温迭代，每次迭代中通过邻域交换生成新路径并评估其代价。该方法能逼近最优解，但计算成本较高。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、初始化随机路径

2、初始化最好的路径编码

3、计算初始随机路径花费

4、降温次数

5、每个温度迭代

邻域交换并产生新的邻域

计算花费

记录最佳出现代数

降温退火

package com.SA;

import com.TSP.MyTSP;

import java.io.IOException;
import java.util.LinkedList;
import java.util.List;
import java.util.Random;

public class MySA {

    private int cityNum = 8; // 城市，
    private int N;// 每个温度迭代步长
    private int T;// 降温次数
    private float r;// 降温系数
    private float t0;// 初始温度

    private double[][] distance; // 距离矩阵
    private int bestT;// 最佳出现代数

    private int[] Ghh;// 初始路径编码

    private int GhhEvaluation;
    private int[] bestGh;// 最好的路径编码
    private int bestEvaluation;
    private i