202101 禁忌算法TS求解TSP问题及Matlab编程实现.pdf

第七章 禁忌算法求解 TSP 旅行商问题 Matlab 实现  主要学习和讲解禁忌算法求解 TSP ，为了对比顺便讲解了 2‐opt （全邻域搜索）求解 TSP 。                                         Created by Jiannywang@163.com ,  2021‐03‐20  视频和代码资料请访问：  7.1 旅行商问题概述  1  7.2 旅行商问题的应用  3  7.3 算例问题描述和模型构建  4  7.4 2‐opt 全邻域搜索求解 TSP 思路及 Matlab 实现  4  7.5 禁忌搜索算法求解 TSP 思路及 Matlab 实现  8  7.5.1 禁忌搜索算法简介  8  7.5.2 禁忌搜索算法基本思想  9  7.5.3 禁忌搜索基本流程  9  7.5.4 禁忌搜索算法基本构成  10  7.5.5 禁忌搜索计算流程及 Matlab 程序实现  12  7.6 禁忌搜索算法求解 TSP 备注  16      7.1 旅行商问题概述 旅行商问题（Traveling Salesman Problem，简称 TSP）又名货郎担问题， 是威廉•哈密尔顿爵士和英国数学家克克曼(T.P.Kirkman)于 19 世纪初提出的一 个数学问题，也是著名的组合优化问题。问题是这样描述的：一名商人要到若干 城市去推销商品，已知城市个数和各城市间的路程（或旅费），要求找到一条从 城市 1 出发，经过所有城市且每个城市只能访问一次，最后回到城市 1 的路线， 使总的路程（或旅费）最小。TSP刚提出时，不少人认为这个问题很简单。后来 人们才逐步意识到这个问题只是表述简单，易于为人们所理解，而其计算复杂性 却是问题的输入规模的指数函数，属于相当难解的问题。 在考虑解决这个问题时，首先想到的一种方法就是:列出每一条可供选择的 1    路线(即对给定的城市进行排列组合)，计算出每条路线的总里程，最后从中选出 一条最短的路线。假设现在给定的 4 个城市分别为 A、B、C 和 D，各城市之间的 耗费为己知数，如图 1 所示。可以通过一个组合的状态空间图来表示所有的组合， 如图 2 所示。 图  1 顶点带权图                              图 2 TSP 问题的解空间树  列举法可以获得最优解，但是只有在节点数较少时可以快速求解，当节点数 增加时，搜索的路径组合数量将成指数级增长，从而使得状态空间搜索效率降低， 要耗费太长的计算时间。节点数为 N 的 TSP 问题，其路径组合数量为(N-1)!,在 使用列举法进行求解时，首先需要将这(N-1)!的回路列举出来，需要耗费计算机 (N-1)!的基本运算；再将每条回路的路程（或旅费）计算出来，以每条弧的路程 （或旅费）都是 1 位数为例，每条回路的总路程（或总旅费）需要耗费 N 个基本 运算，则全部回路的路程（或旅费）计算需要耗费计算机 N(N-1)!的基本运算； 最后再对这(N-1)!条回路路程（或旅费）进行比较，从而获得最优解。可以看出 列举法进行节点数为N的TSP问题求解至少要进行N(N-1)!+2(N-1)!步的基本运 算。当节点数较多时，列举法运算复杂性急剧增加，而且计算机的运算时间也急 剧增加，甚至导致无法进行实际应用。以 CPU 为 2Ghz 的计算机为例，其每秒钟 能够进行基本运算 2^30=1073741824 次，列举不同节点数量下 TSP 问题的回路总 数和计算时间如表 1 所示。 2    表1 TSP问题节点数量、回路总数和计算时间表 节点数量 3 6 9 12 15 18 21 24 27 399168 8.72E+ 3