模拟退火算法及其应用研究—毕业论文.doc

模拟退火算法及其应用研究 1 前言 非数值算法是基础科学，工程技术和管理科学等领域中常用的一类计算方法，如许多解组合优化问题的算法就是典型的非数值算法，由于这些问题的尤其是其中的NP完全问题本身所固有的计算复杂性，求其精确解的计算量往往随问题规模呈指数型增长，以致使用任何高速计算都需要耗费大量的时间，甚至根本无法实现.因此，研究非数值计算的近似算法及其并行实现的途径具有十分重要的实际意义. 模拟退火算法是近几年提出的一种适合解大规模组合优化问题，特别是解NP完全问题的通用有效近似算法，它与以往的近似算法相比，具有描述简单，使用灵活，运用广泛，运行效率高和较少受初始条件限制等优点，而且特别适合并行计算.因此不仅具有很高的实用价值，而且对推动并行计算的研究也有着重要的理论意义. 组合优化问题的目标函数是从组合优化问题的可行解集中求出最优解.组合优化问题有三个基本要素：变量，约束和目标函数，在求解过程中选定的基本参数称为变量，对变量取值的种种限制称为约束，表示可行方案衡量标准的函数称为目标函数.货郎担问题（TSP）是组合优化问题中最为著名的问题，它易于描述难于求解，自1932年K.Meber提出以来，已引起许多数学家的兴趣，但至今尚未找到有效的求解算法. 货郎担问题，由爱尔兰数学家Sir William Rowan Hamilton和英国数学家Thomas Penyngton Kirkman在19世纪提出的数学问题，它是指给定n个城市并给出每两个城市之间的距离，旅行商必须以最短路径访问所有的城市一次且仅一次，并回到原出发地，现已证明它属于NP(Non-deterministic Polynomial---非确定多项式)难题[1].历史上的第一个正式用来解决TSP问题的算法诞生于1954年,它被用来计算49个城市的TSP问题.到现在为止,运用目前最先进的计算机技术可解决找出游历24978个城市的TSP问题.TSP的历史很久，最早的描述是1759年欧拉研究的骑士周游问题，即对于国际象棋棋盘中的64个方格，走访64个方格一次且仅一次，并且最终返回到起始点.旅行商问题(TSP)由美国RAND公司于1948年引入，该公司的声誉以及线性规划这一新方法的出现使得TSP成为一个知名且流行的问题[2]旅行商问题是一个经典的图论问题：设有n个城市，用=1，2，…，n表示.城市之间的距离为，i，j=1，2，…，n，设所有城市间两两连通，旅行商需要跑遍n个城市去推销他的商品，而这些城市之间的距离都不一样，这推销员需要从其中一个城市出发，而他老板规定他必须把所有城市跑一遍，则TSP问题就是寻找让旅行商遍访每个城市一次且恰好一次的一条回路，且要求其路径总长度为最短.该问题也可以归结为：有N个城市由公路相互连通，从任一城市到另外城市都要支付相应的费用，一个销售商从其中一城市出发，访问其他N－1个城市且仅一次，如何规划一条路径，使该旅行商的花费最少[3].当城市数量较小时，通过枚举法就可以找出最短的路径，然而随着问题规模的增加，很难找到一个多项式时间复杂度的算法来求解该问题.TSP是一个典型的组合优化问题，是诸多领域内出现的多种复杂问题的集中概括和简化形式，并且已成为各种启发式的搜索、优化算法的间接比较标准.因此，快速、有效地解决TSP有着重要的理论价值和极高的实际应用价值.旅行商问题代表的一类组合优化问题,在物流配送、计算机网络、电子地图、交通诱导、电气布线、VLSI单元布局等方面都有重要的工程和理论价值，引起了许多学者的关注. TSP是典型的组合优化问题，并且是一个NP-hard问题.TSP描述起来很简单，早期的研究者使用精确算法求解该问题，TSP问题最简单的求解方法是枚举法.它的解是多维的、多局部极值的、趋于无穷大的复杂解的空间，搜索空间是n个点的所有排列的集合，大小为（n-1）！.可以形象地把解空间看成是一个无穷大的丘陵地带，各山峰或山谷的高度即是问题的极值.求解TSP，则是在此不能穷尽的丘陵地带中攀登以达到山顶或谷底的过程.常用的方法包括：分枝定界法、线性规划法和动态规划法等，但可能的路径总数随城市数目n是成指数型增长的，所以当城市数目在100个以上一般很难精确的求出其全局最优解.随着人工智能的发展，出现了许多独立于问题的智能优化算法，如蚁群算法、遗传算法、模拟退火、禁忌搜索、神经网络、粒子群优化算法、免疫算法等，通过模拟或解释某些自然现象或过程而得以发展，为解决复杂组合优化问题提供了新的思路和方法.模拟退火算法在迭代搜索过程以Boltzmann分布概率接受目标函数的“劣化解”，具有突出的具有脱离局域最优陷阱的能力，同时具有较强的局部搜索能力，从而可以获取目标函数的全局最优解.因为模拟退火算法具有高效、通用、灵活的优点，将模拟退火算法引入TSP求解，可