毕业设计（论文）-模拟退火算法在TSP问题中的研究精选.docx

摘 要：TSP问题是一个典型的NP 完全问题,模拟退火算法是求解此问题的一种理想方法。模拟退火算法是将物理退火过程与组合优化相结合在一起的一种随机迭代寻优算法，TSP问题即旅行商问题是一个组合优化问题，该问题被证明具有NPC计算复杂性。因此，研究模拟退化算法的基本原理及其在TSP问题求解中的应用受到高度的关注。本文主要阐述了模拟退火算法的原理和一些与其相关联的知识结构点。通过对其算法的原理，以及退火算法在函数优化问题上的应用，与优化组合问题的研究来了解TSP问题以及模拟退火算法上解决实际问题上的应用与研究。帮助理解模拟退化算法的基本原理及其在TSP问题求解中的应用。关键词：模拟退火算法，TSP，组合优化，C/C++目 录第一章 前言11.1 TSP问题的基本概念11.2模拟退火算法背景11.3 发展趋势1第二章 相关知识介绍22.1模拟退火算法的原理22.1.1 模拟退火的基本思想22.2 TSP问题简述2第三章 问题描述与算法分析研究33.1应用研究整体规划33.2应用开发环境33.2.1开发语言33.2.2开发平台33.3 TSP问题的描述和分析33.4模拟退火算法的分析43.4.1模拟退火算法模型43.4.2模拟退火算法与优化问题分析4第四章 算法具体设计与编码实现44.1基于模拟退火算法求解TSP问题详细设计44.1.1求解TSP问题的模拟退火算法及流程图54.1.2算法温度的选择和变化54.1.3定义坐标表的具体参数与具体实现74.1.4新解的产生方法84.2求解TSP问题的算法主体模块详细设计94.3算法的具体编码实现104.3.1建立城市坐标文本文件104.3.2 DOS下界面数据输出以及概率统计与分析10第五章 算法运行分析115.1 运行界面图示115.2 运行结果13第六章 结束语13致 谢13参考文献14前言模拟退火算法是将物理退火过程与组合优化相结合的一种随机迭代寻优算法，TSP问题即旅行商问题是一个组合优化问题，该问题被证明具有NPC计算复杂性，因此研究模拟退化算法的基本原理及其在TSP问题求解中的应用受到高度的关注。因此采用模拟退火算法来解决TSP旅行问题是一种比较理想的方法。1.1 TSP问题的基本概念旅行商问题( Traveling Salesman Problem) 是一个NP 完全问题,目前求解 TSP 问题的主要方法有模拟退火算法、遗传算法、启发式搜索法、Hopfield 神经网络算法、蚁群算法等，还包括许多算法。TSP(Traveling salesman Problem,旅行商问题)是指给定n个城市和各城市间的距离,要求确定一条经过各个城市当且仅当一次的最短路线。它是一种典型的组合优化问题,其最优解的求解代价是指数级的。已经证明TSP问题是一个NP-hard问题。基于智能优化算法求解TSP问题,是近年来刚刚兴起的热门课题。 然而在科学管理与经济决策的许多应用领域中,现实世界存在着大量的多目标优化问题。对于旅行商问题(Traveling salesman Problem ,TSP),实际中经常要同时考虑多个目标,如路程最短、时间最短、费用最省、风险最小等多方面的因素。目标之间往往存在冲突性。如何在多个目标中寻找一个公平、合理的解是比较复杂的问题。1.2模拟退火算法背景模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为 Boltzman 常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。1.3 发展趋势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。TSP由美国RAND公司于1948年引入，该公司的声誉以及线形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。TSP在中国的研究，同样的问题，在中国还有另一个描述方法：一个邮递员从邮局出发，到所辖街道投邮件，最后返回邮局，如果他必须走遍所辖的每条街道至少一次，