tsp问题-遍历算法/随机算法

旅行商问题，即TSP问题（Traveling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。

 #!/user/bin/env python
 # -*- coding:utf-8 -*-
 
 # TSP旅行商问题：若干个城市，任意两个城市之间距离确定，要求一旅行商从某城市
 # 出发必须经过每一个城市且只能在每个城市逗留一次，最后回到原出发城市，试
 # 确定一条最短路径使旅行费用最少
 
 # 遍历算法
 
 # 给定某条路径，计算它的成本
 def distcal(path, dist):
     # 计算路径成本（路径，距离）
     sum_dist = 0  # 总成本
     for j in range(0, len(path) - 1):
         di = dist[int(path[j]) - 1][int(path[j + 1]) - 1]  # 查找第j和j+1个城市之间的成本
         sum_dist = sum_dist + di  # 累加
     di = dist[int(path[len(path) - 1]) - 1][path[0] - 1]  # 最后一个城市回到初始城市的成本
     sum_dist = sum_dist + di
     return sum_dist  # 返回路径的成本
 
 # 递归,构造所有可能路径
 def perm(l):  # 构造路径（城市列表）
     if (len(l)) <= 1:  # 只有一个城市，选择这个城市
         return [l]
     r = []  # 空列表
     for i in range(len(l)):  # 对每个城市，构建不包括这个城市的所有可能序列
         s = l[:i] + l[i + 1:]  # 去除当前城市的列表
         p = perm(s)  # 调用自身，构造不包含这个城市的序列
         for x in p:
             r.append(l[i:i + 1] + x)  # 将序列和该城市合并，得到完整的序列
     return r
 
 if __name__ == '__main__':
     city = [1, 2, 3, 4, 5]
 
     dist = ((0, 1, 3, 4, 5),
             (1, 0, 1, 2, 3),
             (3, 1, 0, 1, 2),
             (4, 2, 1, 0, 1),
             (5, 3, 2, 1, 0))
 
     for i in range(0, 5):
         print(dist[i][:])
 
     print('=============')
 
     allpath = perm(city)  # 调用路径产生函数，产生所有可能的路径
 
     optimal = 1000000  # 初始化最优路径的总成本和索引号
 
     index = 1
 
     for i in range(0, len(allpath)):
         pd = distcal(allpath[i], dist)
         if pd < optimal:  # 比较是否总成本更低，如果是替换最优解
             optimal = pd
             index = i
         # print(pd)
 
     print(optimal)
     print(allpath[index])
 ------------------------------------------------------------------------
 (0, 1, 3, 4, 5)
 (1, 0, 1, 2, 3)
 (3, 1, 0, 1, 2)
 (4, 2, 1, 0, 1)
 (5, 3, 2, 1, 0)
 =============
 9
 [1, 2, 3, 4, 5]

遍历算法

 #!/user/bin/env python
 # -*- coding:utf-8 -*-
 
 import random
 
 # 给定某条路径，计算它的成本
 def distcal(path, dist):
     # 计算路径成本（路径，距离）
     sum_dist = 0  # 总成本
     for j in range(0, len(path) - 1):
         di = dist[int(path[j]) - 1][int(path[j + 1]) - 1]  # 查找第j和j+1个城市之间的成本
         sum_dist = sum_dist + di  # 累加
     di = dist[int(path[len(path) - 1]) - 1][path[0] - 1]  # 最后一个城市回到初始城市的成本
     sum_dist = sum_dist + di
     return sum_dist  # 返回路径的成本
 
 # 构造随机路径
 def randompath(inc):  # Inc城市列表
     allcity = inc[:]  # 城市列表
     path = []  # 路径
     loop = True
     while loop:
         if 1 == len(allcity):  # 如果是最后一个城市
             tmp = random.choice(allcity)
             path.append(tmp)
             loop = False  # 结束
         else:  # 如果不是最后一个城市
             tmp = random.choice(allcity)  # 在城市列表中随机选择一个城市
             path.append(tmp)  # 添加路径
             allcity.remove(tmp)  # 在城市列表中移除该城市
     return path
 
 if __name__ == '__main__':
     city = [1, 2, 3, 4, 5]
 
     dist = ((0, 1, 3, 4, 5),
             (1, 0, 1, 2, 3),
             (3, 1, 0, 1, 2),
             (4, 2, 1, 0, 1),
             (5, 3, 2, 1, 0))
 
     for i in range(0, 5):
         print(dist[i][:])
 
     print('=============')
 
     num = 10  # 随机产生10条路径
 
     optimal = 1000000  # 初始化最优路径的总成本和索引号
 
     for i in range(0, num):
         pd = distcal(randompath(city), dist)
         if pd < optimal:  # 比较是否总成本更低，如果是替换最优解
             optimal = pd
         print(pd)
 
     print(optimal)
 ------------------------------------------------------------
 (0, 1, 3, 4, 5)
 (1, 0, 1, 2, 3)
 (3, 1, 0, 1, 2)
 (4, 2, 1, 0, 1)
 (5, 3, 2, 1, 0)
 =============
 9
 12
 11
 14
 12
 11
 14
 9
 14
 9
 最优： 9

随机算法