本文实例讲述了Python基于回溯法子集树模板解决旅行商问题(TSP)。分享给大家供大家参考,具体如下:
问题
旅行商问题(Traveling Salesman Problem,TSP)是旅行商要到若干个城市旅行,各城市之间的费用是已知的,为了节省费用,旅行商决定从所在城市出发,到每个城市旅行一次后返回初始城市,问他应选择什么样的路线才能使所走的总费用最短?
分析
此问题可描述如下:G=(V,E)是带权的有向图,找到包含V中每个结点一个有向环,亦即一条周游路线,使得这个有向环上所有边成本之和最小。
这个问题与前一篇文章//www.jb51.net/article/122933.htm的区别就是,本题是带权的图。只要一点小小的修改即可。
解的长度是固定的n+1。
对图中的每一个节点,都有自己的邻接节点。对某个节点而言,其所有的邻接节点构成这个节点的状态空间。当路径到达这个节点时,遍历其状态空间。
最终,一定可以找到最优解!
显然,继续套用回溯法子集树模板!!!
代码
'''旅行商问题(Traveling Salesman Problem,TSP)'''
# 用邻接表表示带权图
n = 5 # 节点数
a,b,c,d,e = range(n) # 节点名称
graph = [
{b:7, c:6, d:1, e:3},
{a:7, c:3, d:7, e:8},
{a:6, b:3, d:12, e:11},
{a:1, b:7, c:12, e:2},
{a:3, b:8, c:11, d:2}
]
x = [0]*(n+1) # 一个解(n+1元数组,长度固定)
X = [] # 一组解
best_x = [0]*(n+1) # 已找到的最佳解(路径)
min_cost = 0 # 最小旅费
# 冲突检测
def conflict(k):
global n,graph,x,best_x,min_cost
# 第k个节点,是否前面已经走过
if k < n and x[k] in x[:k]:
return True
# 回到出发节点
if k == n and x[k] != x[0]:
return True
# 前面部分解的旅费之和超出已经找到的最小总旅费
cost = sum([graph[node1][node2] for node1,node2 in zip(x[:k], x[1:k+1])])
if 0 < min_cost < cost:
return True
return False # 无冲突
# 旅行商问题(TSP)
def tsp(k): # 到达(解x的)第k个节点
global n,a,b,c,d,e,graph,x,X,min_cost,best_x
if k > n: # 解的长度超出,已走遍n+1个节点 (若不回到出发节点,则 k==n)
cost = sum([graph[node1][node2] for node1,node2 in zip(x[:-1], x[1:])]) # 计算总旅费
if min_cost == 0 or cost < min_cost:
best_x = x[:]
min_cost = cost
#print(x)
else:
for node in graph[x[k-1]]: # 遍历节点x[k-1]的邻接节点(状态空间)
x[k] = node
if not conflict(k): # 剪枝
tsp(k+1)
# 测试
x[0] = c # 出发节点:路径x的第一个节点(随便哪个)
tsp(1) # 开始处理解x中的第2个节点
print(best_x)
print(min_cost)
效果图
更多关于Python相关内容可查看本站专题:《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
您可能感兴趣的文章:Python基于回溯法子集树模板解决0-1背包问题实例Python基于动态规划算法解决01背包问题实例Python基于贪心算法解决背包问题示例python回溯法实现数组全排列输出实例分析Python使用回溯法子集树模板解决迷宫问题示例Python基于回溯法子集树模板实现8皇后问题Python基于回溯法子集树模板实现图的遍历功能示例Python基于回溯法子集树模板解决取物搭配问题实例Python使用回溯法子集树模板获取最长公共子序列(LCS)的方法Python使用回溯法子集树模板解决爬楼梯问题示例Python基于回溯法子集树模板解决野人与传教士问题示例Python基于回溯法解决01背包问题实例