模拟退火算法（TSP问题）

模拟退火算法解决TSP问题

算法思想

模拟退火算法（Simulate Anneal，SA）是一种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解

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Boltzmann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。

设计思路

  1. 初始化温度T，初始解状态S，每个温度t下的迭代次数L；

  2. 当k = 1，2，……，L时，进行3~6；

  3. 对当前解进行变换得到新解S’（例如对某些解中的元素进行互换，置换）；

  4. 计算增量Δt′=C(S′)-C(S)，其中C(S)为评价函数；

  5. 若Δt′<0则接受S′作为新的当前解，否则以概率exp(-Δt′/(KT))接受S′作为新的当前解(k为玻尔兹曼常数，数值为：K=1.3806505(24) × 10^-23 J/K）；

  6. 如果满足终止条件则输出当前解作为最优解，结束程序；

  7. 减小T，转到第2步，直到T小于初始设定的阈值。

程序代码（TSP问题）

第一种

#include <stdlib.h>
#include <stdio.h>
#include <iostream>
#include<time.h>
#include<math.h>
#define N 109
#define big 9999999
using namespace std;double nowDist(double d[N][N],int temp[N],int m){//计算当前temp路线组合距离double dist=0;for(int i=1;i<m;i++)dist+=d[temp[i]][temp[i+1]];dist+=d[temp[m]][temp[1]];return dist;
}int main(){double d[N][N];//距离矩阵int temp[N];//临时地点排列顺序表double dist=0;//最小距离int n,m;//n为输入行数,m为地点个数int res[N];double mostdist=big;//数据输入freopen("input.txt","r",stdin);cin>>m>>n;while(n-->0){int i,j;double k;cin>>i>>j>>k;d[i][j]=d[j][i]=k;}for(int i=1;i<=m;i++){d[i][i]=big;temp[i]=i;if(i!=m) dist+=d[i][i+1];}dist+=d[m][1];cout<<"初始距离: "<<dist<<endl;int count=40;while(count--){//取count次迭代的最小结果double T=1;//初始温度double a=0.999;//退火率double low=1e-30;//最低温度long ct=0;//迭代步数long ctj=0;//有效迭代步数srand(time(0));//随机数种子long all=300000;//最大迭代次数while(T>low){int t1=rand()%m+1,t2=rand()%m+1;//随机获得两个位置if(t1!=t2){swap(temp[t1],temp[t2]);//交换两位置double ndist=nowDist(d,temp,m);//交换后的路线总距离double df=(ndist-dist);if(df<0){//当前解更优dist=ndist;ctj++;}else if(exp(-df/T)>(rand()%100)/100.0){//大于dist=ndist;ctj++;}else{swap(temp[t1],temp[t2]);}T*=a;//降温}ct++;if(ct>all)break;}cout<<"当前最短距离:"<<dist<<endl;if(dist<mostdist){mostdist=dist;for(int i=1;i<=m;i++)res[i]=temp[i];}}cout<<"最短距离:"<<mostdist<<endl<<"路线:";for(int i=1;i<=m;i++){cout<<res[i]<<" ";}return 0;
}

第二种

#include <stdlib.h>
#include <stdio.h>
#include <iostream>
#include<time.h>
#include<math.h>#include<fstream>
#include<algorithm>
#include<memory.h>
using namespace std;const int num = 1000;//city number
const int width = 100;
const int height = 100;typedef struct node {int x;int y;
}city;
city citys[num];//citys
double dic[num][num];//distance from two citys;
bool visit[num];//visited
int N;//real citys
int seq[num];//最优路径序列
double answer;//最优路径长度
const int tempterature = 1000;//初始温度
const double u = 0.998;//成功降温因子
const double v = 0.999;//失败降温因子
int k = 100;//对每个温度迭代次数
void init() {//set N&&x-yN = 51;citys[0].x = 37; citys[0].y = 52;citys[1].x = 49; citys[1].y = 49;citys[2].x = 52; citys[2].y = 64;citys[3].x = 20; citys[3].y = 26;citys[4].x = 40; citys[4].y = 30;citys[5].x = 21; citys[5].y = 47;citys[6].x = 17; citys[6].y = 63;citys[7].x = 31; citys[7].y = 62;citys[8].x = 52; citys[8].y = 33;citys[9].x = 51; citys[9].y = 21;citys[10].x = 42; citys[10].y = 41;citys[11].x = 31; citys[11].y = 32;citys[12].x = 5; citys[12].y = 25;citys[13].x = 12; citys[13].y = 42;citys[14].x = 36; citys[14].y = 16;citys[15].x = 52; citys[15].y = 41;citys[16].x = 27; citys[16].y = 23;citys[17].x = 17; citys[17].y = 33;citys[18].x = 13; citys[18].y = 13;citys[19].x = 57; citys[19].y = 58;citys[20].x = 62; citys[20].y = 42;citys[21].x = 42; citys[21].y = 57;citys[22].x = 16; citys[22].y = 57;citys[23].x = 8; citys[23].y = 52;citys[24].x = 7; citys[24].y = 38;citys[25].x = 27; citys[25].y = 68;citys[26].x = 30; citys[26].y = 48;citys[27].x = 43; citys[27].y = 67;citys[28].x = 58; citys[28].y = 48;citys[29].x = 58; citys[29].y = 27;citys[30].x = 37; citys[30].y = 69;citys[31].x = 38; citys[31].y = 46;citys[32].x = 46; citys[32].y = 10;citys[33].x = 61; citys[33].y = 33;citys[34].x = 62; citys[34].y = 63;citys[35].x = 63; citys[35].y = 69;citys[36].x = 32; citys[36].y = 22;citys[37].x = 45; citys[37].y = 35;citys[38].x = 59; citys[38].y = 15;citys[39].x = 5; citys[39].y = 6;citys[40].x = 10; citys[40].y = 17;citys[41].x = 21; citys[41].y = 10;citys[42].x = 5; citys[42].y = 64;citys[43].x = 30; citys[43].y = 15;citys[44].x = 39; citys[44].y = 10;citys[45].x = 32; citys[45].y = 39;citys[46].x = 25; citys[46].y = 32;citys[47].x = 25; citys[47].y = 55;citys[48].x = 48; citys[48].y = 28;citys[49].x = 56; citys[49].y = 37;citys[50].x = 30; citys[50].y = 40;
}
void set_dic() {//set distancefor (int i = 0; i<N; ++i) {for (int j = 0; j<N; ++j) {dic[i][j] = sqrt(pow(citys[i].x - citys[j].x, 2) + pow(citys[i].y - citys[j].y, 2));}}
}
double dic_two_point(city a, city b) {return sqrt(pow(a.x - b.x, 2) + pow(a.y - b.y, 2));
}
double count_energy(int* conf) {double temp = 0;for (int i = 1; i<N; ++i) {temp += dic_two_point(citys[conf[i]], citys[conf[i - 1]]);}temp += dic_two_point(citys[conf[0]], citys[conf[N - 1]]);return temp;
}
bool metro(double f1, double f2, double t) {if (f2 < f1)return true;//else//  return false;double p = exp(-(f2 - f1) / t);int bignum = 1e9;if (rand() % bignum<p*bignum)return true;return false;
}
void generate(int* s) {//随机产生一组新解bool v[num];memset(v, false, sizeof(v));for (int i = 0; i<N; ++i) {s[i] = rand() % N;while (v[s[i]]) {s[i] = rand() % N;}v[s[i]] = true;}
}
void generate1(int* s) {//随机交换序列中的一组城市顺序int ti = rand() % N;int tj = ti;while (ti == tj)tj = rand() % N;for (int i = 0; i<N; ++i)s[i] = seq[i];swap(s[ti], s[tj]);
}
void generate2(int* s) {//随机交换序列中的两组城市顺序int ti = rand() % N;int tj = ti;int tk = ti;while (ti == tj)tj = rand() % N;while (ti == tj || tj == tk || ti == tk)tk = rand() % N;for (int i = 0; i<N; ++i)s[i] = seq[i];swap(s[ti], s[tj]);swap(s[tk], s[tj]);
}
void generate3(int* s) {//随机选序列中的三个城市互相交换顺序int ti = rand() % N;int tj = ti;int tm = rand() % N;int tn = ti;while (ti == tj)tj = rand() % N;while (tm == tn)tn = rand() % N;for (int i = 0; i<N; ++i)s[i] = seq[i];swap(s[ti], s[tj]);swap(s[tm], s[tn]);
}
void generate0(int* s) {//以上三种交换方式等概率选择int temp = rand() % 3;if (temp == 0)generate1(s);else if (temp == 1)generate2(s);else if (temp == 2)generate3(s);
}
void moni() {double t = tempterature;int seq_t[num];for (int i = 0; i<N; ++i) {//初始化当前序列seq[i] = seq_t[i] = i;}double new_energy = 1, old_energy = 0;while (t>1e-9&&fabs(new_energy - old_energy)>1e-9) {//温度作为控制变量int t_k = k;int seq_tt[num];while (t_k--&&fabs(new_energy - old_energy)>1e-9) {//迭代次数作为控制变量generate1(seq_tt);new_energy = count_energy(seq_tt);//newold_energy = count_energy(seq_t);//oldif (metro(old_energy, new_energy, t))for (int i = 0; i < N; ++i)seq_t[i] = seq_tt[i];}new_energy = count_energy(seq_t);//newold_energy = answer;//oldif (metro(old_energy, new_energy, t)) {for (int i = 0; i < N; ++i)seq[i] = seq_t[i];answer = count_energy(seq);t *= u;//接受新状态降温因子0.98}elset *= v;//不接受新状态降温因子0.99}answer = count_energy(seq);
}
void output() {cout << "the best road is : \n";for (int i = 0; i < N; ++i) {cout << seq[i];if (i == N - 1)cout << endl;elsecout << " -> ";}cout << "the length of the road is " << answer << endl;
}
void test() {ifstream ifile("data.txt");if (!ifile) {cout << "open field\n";return;}while (!ifile.eof()) {int te = 0;ifile >> te;ifile >> citys[te - 1].x >> citys[te - 1].y;}
}
int main() {srand(time(0));int t;while (cin >> t) {//仅作为重启算法开关使用，无意义init();//使用程序内置数据使用init()函数，//test();//使用文件读取数据使用test()函数，set_dic();//计算每个城市之间的距离moni();//退火output();//输出}return 0;
}

测试例
第一种，通过以下代码生成数据集文件

import random as rd
n=eval(input('城市数量:'))
res=[]
for i in range(1,n):for j in range(i+1,n+1):res.append((i,j,rd.random()*100))
f=open('input.txt','w')
f.write(str(n)+' '+str(len(res))+'\n')
for i in res:f.write(str(i[0])+" "+str(i[1])+" "+str(i[2])+"\n")
f.close()
input('结束')

第二种

1 37 52
2 49 49
3 52 64
4 20 26
5 40 30
6 21 47
7 17 63
8 31 62
9 52 33
10 51 21
11 42 41
12 31 32
13 5 25
14 12 42
15 36 16
16 52 41
17 27 23
18 17 33
19 13 13
20 57 58
21 62 42
22 42 57
23 16 57
24 8 52
25 7 38
26 27 68
27 30 48
28 43 67
29 58 48
30 58 27
31 37 69
32 38 46
33 46 10
34 61 33
35 62 63
36 63 69
37 32 22
38 45 35
39 59 15
40 5 6
41 10 17
42 21 10
43 5 64
44 30 15
45 39 10
46 32 39
47 25 32
48 25 55
49 48 28
50 56 37
51 30 40

运行结果
第一种

初始距离: 587.205
当前最短距离:264.036
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:213.825
当前最短距离:232.311
当前最短距离:278.578
当前最短距离:232.311
当前最短距离:213.825
当前最短距离:216.204
当前最短距离:219.469
当前最短距离:258.466
当前最短距离:219.469
当前最短距离:213.825
当前最短距离:232.311
当前最短距离:278.578
当前最短距离:232.311
当前最短距离:213.825
当前最短距离:216.204
当前最短距离:219.469
当前最短距离:258.466
当前最短距离:219.469
当前最短距离:213.825
当前最短距离:232.311
当前最短距离:278.578
最短距离:213.825
路线:10 2 1 5 8 6 9 7 4 3

第二种

the best road is :
13 -> 24 -> 22 -> 23 -> 50 -> 4 -> 48 -> 9 -> 32 -> 44 -> 38 -> 29 -> 33 -> 20 -> 28 -> 34 -> 35 -> 2 -> 21 -> 27 -> 30 -> 19 -> 1 -> 49 -> 37 -> 8 -> 15 -> 31 -> 10 -> 0 -> 7 -> 25 -> 42 -> 6 -> 47 -> 26 -> 5 -> 45 -> 36 -> 14 -> 43 -> 41 -> 18 -> 39 -> 40 -> 12 -> 16 -> 3 -> 46 -> 11 -> 17

分析
模拟退火算法具有以下优缺点；
1.迭代搜索效率高，并且可以并行化；
2.算法中有一定概率接受比当前解较差的解，因此一定程度上可以跳出局部最优；
3.算法求得的解与初始解状态S无关，因此有一定的鲁棒性；
4.具有渐近收敛性，已在理论上被证明是一种以概率l收敛于全局最优解的全局优化算法。

参考
https://blog.csdn.net/daaikuaichuan/article/details/81381875
https://blog.csdn.net/wordsin/article/details/79915328
https://blog.csdn.net/chenlnehc/article/details/51933802

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/536113.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

2-docker 安装

2-docker 安装

2-docker 安装 Ubuntu 安装 由于 apt 源使用 HTTPS 以确保软件下载过程中不被篡改。因此&#xff0c;我们首先需要添加使用 HTTPS 传输的软件包以及 CA 证书。 $ sudo apt-get update$ sudo apt-get install \apt-transport-https \ca-certificates \curl \gnupg-agent \sof…
阅读更多...
U-Net++粗略解释

U-Net++粗略解释

Paper&#xff1a;UNet: A Nested U-Net Architecture for Medical Image Segmentation u-net网络的基本拓扑结构 目前最先进的图像分割模型是各种个同样的 encoder-decoder架构&#xff0c;他们具有一个关键的相似性&#xff1a;skip connections&#xff0c;它可以将编码器…
阅读更多...
Spring中的组合模式

Spring中的组合模式

组合模式是一种对象设计模式&#xff0c;它允许你将对象组合成树形结构以表示“部分-整体”的层次结构&#xff0c;使得客户端以统一的方式处理单个对象和对象的组合。在Spring框架中&#xff0c;组合模式被广泛应用&#xff0c;让我们深入分析一下。 在Spring中&#xff0c;组…
阅读更多...
Docker+Nginx部署Angular

Docker+Nginx部署Angular

DockerNginx部署Angular 在部署Angular生产环境之前&#xff0c;需要电脑已经安装docker。 添加Dockerfile 在已经完成的Angular项目的项目根目录下添加Dockerfile文件。 Dockerfile文件内容&#xff1a; FROM nginx:1.11-1.11-alpine COPY index.html /usr/share/nginx/ht…
阅读更多...
U-net网络详解

U-net网络详解

U-net网络 简单说一下网络图中各项所代表的内容&#xff1a; 蓝/白色框表示feature map(特征图) 蓝色箭头表示3x3卷积&#xff0c;主要用于特征提取 灰色箭头表示skip-connection&#xff08;跳跃连接&#xff0c;通常用于残差网络中&#xff09;,在这里是用于用于特征融合&…
阅读更多...
Angular Web App部署Ubuntu Nginx

Angular Web App部署Ubuntu Nginx

Angular Web App部署Ubuntu Nginx 当我们想发布Angular Web App的时候，我们想在开发的时候部署测试，那么这篇文章使用Nginx来部署我们的Angular 系统环境 lsb_release -a No LSB modules are available. Distributor ID: Ubuntu Description: Ubuntu 16.04.4 LTS Rele…
阅读更多...
遗传算法-01背包

遗传算法-01背包

遗传算法 算法思想 遗传算法&#xff08;Genetic Algorithm, GA&#xff09;是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型&#xff0c;是一种通过模拟自然进化过程搜索最优解的方法。 其主要特点是直接对结构对象进行操作&#xff0c;不存在求导和函…
阅读更多...
Angular Web App部署Linux Nginx Https

Angular Web App部署Linux Nginx Https

Angular Web App部署Linux Nginx Https 提示：这篇文章是基于内网的 互联网就开始将 WEB 服务从 HTTP 迁移到 HTTPS，而现在为了更快的推进 HTTPS 的普及，Chrome 将从 2018 年 7 月起标记所有的 HTTP 网站为不安全链接。 HTTPS 会逐渐成为 WEB 服务的标配，最最重要的是，它能…
阅读更多...
SOLO算法简读

SOLO算法简读

论文链接&#xff1a;https://arxiv.org/abs/1912.04488 代码链接&#xff1a;https://github.com/WXinlong/SOLO 摘要 提出一种新的实例分割方法。与语义分割等其他密集预测任务相比&#xff0c;实例分割的难度要大得多。为了预测每个实例的掩码&#xff0c;主流方法要么遵…
阅读更多...
Rxjs的flatMap使用

Rxjs的flatMap使用

Rxjs的flatMap使用 flatMap是Rxjs比较绕的一个概念&#xff0c;这里我们只是讲解如何使用。在Rxjs 4.0版本时叫flatMap,在Rxjs 5.0时被更名为margeMap,现在flatMap作为margeMap的别名使用&#xff0c;这是考虑向下兼容。 官方flatMap的定义&#xff1a; Projects each sourc…
阅读更多...
关于Loss的简单总结

关于Loss的简单总结

Dice Loss 参考&#xff1a;https://blog.csdn.net/l7H9JA4/article/details/108162188 Dice系数&#xff1a; 是一种集合相似度度量函数&#xff0c;通常用于计算两个样本的相似度&#xff0c;取值范围为[0,1]。 s2∣X∩Y∣∣X∣∣Y∣s \frac{2|X ∩ Y|}{|X||Y|} s∣X∣∣Y…
阅读更多...
Angular_PWA使用+Demo

Angular_PWA使用+Demo

Angular_PWA使用+Demo 什么是PWA PWA（Progressive Web App）利用TLS，webapp manifests和service workers使应用程序能够安装并离线使用。 换句话说，PWA就像手机上的原生应用程序，但它是使用诸如HTML5，JavaScript和CSS3之类的网络技术构建的。 如果构建正确，PWA与原生应…
阅读更多...
SOLOv2论文简读

SOLOv2论文简读

论文&#xff1a;SOLOv2: Dynamic, Faster and Stronger 代码&#xff1a;https://github.com/WXinlong/SOLO 摘要 主要提出了作者在SOLOv2中实现的优秀的实例分割方法&#xff0c;旨在创建一个简单、直接、快速的实例分割框架&#xff1a; 通过提出动态学习对象分割器的mas…
阅读更多...
Angular6_PWA

Angular6_PWA

Angular6_PWA Angular正式发布了V6.0，我们已经可以利用对应的@angular/cli V6.0来直接开发PWA应用了。 第一步：安装@angular/cli V6.0 如果你机器上有老版本，请先卸载。 打开你的终端，执行： npm install -g @angular/cli 或 cnpm install -g @angular/cli 安装成功…
阅读更多...
Ubuntu18.04 关于使用vnc的踩坑

Ubuntu18.04 关于使用vnc的踩坑

由于种种原因&#xff0c;手上多了一台可使用的桌面版Ubuntu&#xff0c;正好用来测试代码&#xff0c;方便调试。因为只能远程&#xff0c;所以需要配置远程连接。因此就打算使用vnc进行远程连接&#xff0c;谁料一路坎坷&#xff0c;特此记录。 安装 设置桌面共享 需要注意…
阅读更多...
App_Shell模型

App_Shell模型

App_Shell模型 App Shell 架构是构建 Progressive Web App 的一种方式，这种应用能可靠且即时地加载到您的用户屏幕上，与本机应用相似。 App shell是支持用户界面所需的最小的 HTML、CSS 和 JavaScript，如果离线缓存，可确保在用户重复访问时提供即时、可靠的良好性能。这意…
阅读更多...
Angular6_服务端渲染SSR

Angular6_服务端渲染SSR

Angular6_服务端渲染 在使用服务端渲染之前，需要安装最新版本的Angular。 npm install -g @angular/cli 或 cnpm install -g @angular/cli github项目 创建项目 ng new PWCat --routing 为项目添加universalng g universal --client-project=PWCat 或
阅读更多...
Jenkins自定义主题教程

Jenkins自定义主题教程

Jenkins自定义主题 由于Jenkins自带的样式比较丑陋&#xff0c;所以有很多第三方的样式库&#xff0c;这里针对jenkins-material-theme样式库做一个安装教程。 下载样式库 下载连接 Select your color 选择一个你喜欢的主题颜色。Choose your company logo 上传你自定义的…
阅读更多...
IndexedDB_Web 离线数据库

IndexedDB_Web 离线数据库

IndexedDB_Web 离线数据库 本文会从头剖析一下 IndexedDB 在前端里面的应用的发展。 indexedDB 目前在前端慢慢得到普及和应用。它正朝着前端离线数据库技术的步伐前进。以前一开始是 manifest、localStorage、cookie 再到 webSQL&#xff0c;现在 indexedDB 逐渐被各大浏览器认…
阅读更多...
Angular 单元测试讲解

Angular 单元测试讲解

Angular_单元测试 测试分类 按开发阶段划分按是否运行划分按是否查看源代码划分其他ATDD,TDD,BDD,DDD ATDDTDDBDDDDDAngular单元测试 Karma的介绍jasmine介绍单元测试的好处使用jasmine和karma创建一个Angular项目Karma配置Test.ts文件测试体验测试Form测试服务service常用断言…
阅读更多...
最新文章

Copyright @ 2022~2023