一、TSP問題
TSP問題(Travelling Salesman Problem)即旅行商問題,又譯為旅行推銷員問題、貨郎擔問題,是數學領域中著名問題之一。假設有一個旅行商人要拜訪n個城市,他必須選擇所要走的路徑,路徑的限制是每個城市隻能拜訪一次,而且最後要回到原來出發的城市。路徑的選擇目标是要求得的路徑路程為所有路徑之中的最小值。
TSP問題是一個組合優化問題。該問題可以被證明具有NPC計算複雜性。TSP問題可以分為兩類,一類是對稱TSP問題(Symmetric TSP),另一類是非對稱問題(Asymmetric TSP)。所有的TSP問題都可以用一個圖(Graph)來描述:
V={c1, c2, …, ci, …, cn},i = 1,2, …, n,是所有城市的集合.ci表示第i個城市, n為城市的數目;
E={(r, s): r,s∈ V}是所有城市之間連接配接的集合;
C = {crs: r,s∈ V}是所有城市之間連接配接的成本度量(一般為城市之間的距離);
如果crs = csr, 那麼該TSP問題為對稱的,否則為非對稱的。
一個TSP問題可以表達為:
求解周遊圖G = (V, E, C),所有的節點一次并且回到起始節點,使得連接配接這些節點的路徑成本最低。
二、禁忌搜尋算法
禁忌搜尋(Tabu Search或Taboo Search,簡稱TS)的思想最早由Glover(1986)提出,它是對局部領域搜尋的一種擴充,是一種全局逐漸尋優算法,是對人類智力過程的一種模拟。其特點是采用禁忌技術,即用一個禁忌表記錄下已經到達過的局部最優點,在下一次搜尋中,利用禁忌表中的資訊不再或有選擇地搜尋這些點,以此來跳出局部最優點。該算法可以克服爬山算法全局搜尋能力不強的弱點。
在禁忌搜尋算法中,首先按照随機方法産生一個初始解作為目前解,然後在目前解的鄰域中搜尋若幹個解,取其中的最好解作為新的目前解。為了避免陷入局部最優解,這種優化方法允許一定的下山操作(使解的品質變差)。另外,為了避免對已搜尋過的局部最優解的重複,禁忌搜尋算法使用禁忌表記錄已搜尋的局部最優解的曆史資訊,這可在一定程度上使搜尋過程避開局部極值點,進而開辟新的搜尋區域。
禁忌搜尋最重要的思想是标記對應已搜尋的局部最優解的一些對象,并在進一步的疊代搜尋中盡量避開這些對象(而不是絕對禁止循環),進而保證對不同的有效搜尋途徑的探索。禁忌搜尋涉及到臨域(neighborhood)、禁忌表(tabu list)、禁忌長度(tabu length)、候選解(candidate)、藐視準則(aspiration criterion)等概念。
禁忌搜尋算法實施步驟:
三、禁忌搜尋算法求解TSP問題
在該JAVA實作中我們選擇使用tsplib上的資料att48,這是一個對稱TSP問題,城市規模為48,其最優值為10628.其距離計算方法下圖所示:
具體代碼如下:
package noah;
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.Random;
public class Tabu {
private int MAX_GEN;// 疊代次數
private int N;// 每次搜尋鄰居個數
private int ll;// 禁忌長度
private int cityNum; // 城市數量,編碼長度
private int[][] distance; // 距離矩陣
private int bestT;// 最佳出現代數
private int[] Ghh;// 初始路徑編碼
private int[] bestGh;// 最好的路徑編碼
private int bestEvaluation;
private int[] LocalGhh;// 當代最好編碼
private int localEvaluation;
private int[] tempGhh;// 存放臨時編碼
private int tempEvaluation;
private int[][] jinji;// 禁忌表
private int t;// 目前代數
private Random random;
public Tabu() {
}
/**
* constructor of GA
*
* @param n
* 城市數量
* @param g
* 運作代數
* @param c
* 每次搜尋鄰居個數
* @param m
* 禁忌長度
*
**/
public Tabu(int n, int g, int c, int m) {
cityNum = n;
MAX_GEN = g;
N = c;
ll = m;
}
// 給編譯器一條指令,告訴它對被批注的代碼元素内部的某些警告保持靜默
@SuppressWarnings("resource")
/**
* 初始化Tabu算法類
* @param filename 資料檔案名,該檔案存儲所有城市節點坐标資料
* @throws IOException
*/
private void init(String filename) throws IOException {
// 讀取資料
int[] x;
int[] y;
String strbuff;
BufferedReader data = new BufferedReader(new InputStreamReader(
new FileInputStream(filename)));
distance = new int[cityNum][cityNum];
x = new int[cityNum];
y = new int[cityNum];
for (int i = 0; i < cityNum; i++) {
// 讀取一行資料,資料格式1 6734 1453
strbuff = data.readLine();
// 字元分割
String[] strcol = strbuff.split(" ");
x[i] = Integer.valueOf(strcol[1]);// x坐标
y[i] = Integer.valueOf(strcol[2]);// y坐标
}
// 計算距離矩陣
// ,針對具體問題,距離計算方法也不一樣,此處用的是att48作為案例,它有48個城市,距離計算方法為僞歐氏距離,最優值為10628
for (int i = 0; i < cityNum - 1; i++) {
distance[i][i] = 0; // 對角線為0
for (int j = i + 1; j < cityNum; j++) {
double rij = Math
.sqrt(((x[i] - x[j]) * (x[i] - x[j]) + (y[i] - y[j])
* (y[i] - y[j])) / 10.0);
// 四舍五入,取整
int tij = (int) Math.round(rij);
if (tij < rij) {
distance[i][j] = tij + 1;
distance[j][i] = distance[i][j];
} else {
distance[i][j] = tij;
distance[j][i] = distance[i][j];
}
}
}
distance[cityNum - 1][cityNum - 1] = 0;
Ghh = new int[cityNum];
bestGh = new int[cityNum];
bestEvaluation = Integer.MAX_VALUE;
LocalGhh = new int[cityNum];
localEvaluation = Integer.MAX_VALUE;
tempGhh = new int[cityNum];
tempEvaluation = Integer.MAX_VALUE;
jinji = new int[ll][cityNum];
bestT = 0;
t = 0;
random = new Random(System.currentTimeMillis());
/*
* for(int i=0;i<cityNum;i++) { for(int j=0;j<cityNum;j++) {
* System.out.print(distance[i][j]+","); } System.out.println(); }
*/
}
// 初始化編碼Ghh
void initGroup() {
int i, j;
Ghh[0] = random.nextInt(65535) % cityNum;
for (i = 1; i < cityNum;)// 編碼長度
{
Ghh[i] = random.nextInt(65535) % cityNum;
for (j = 0; j < i; j++) {
if (Ghh[i] == Ghh[j]) {
break;
}
}
if (j == i) {
i++;
}
}
}
// 複制編碼體,複制編碼Gha到Ghb
public void copyGh(int[] Gha, int[] Ghb) {
for (int i = 0; i < cityNum; i++) {
Ghb[i] = Gha[i];
}
}
public int evaluate(int[] chr) {
// 0123
int len = 0;
// 編碼,起始城市,城市1,城市2...城市n
for (int i = 1; i < cityNum; i++) {
len += distance[chr[i - 1]][chr[i]];
}
// 城市n,起始城市
len += distance[chr[cityNum - 1]][chr[0]];
return len;
}
// 鄰域交換,得到鄰居
public void Linju(int[] Gh, int[] tempGh) {
int i, temp;
int ran1, ran2;
for (i = 0; i < cityNum; i++) {
tempGh[i] = Gh[i];
}
ran1 = random.nextInt(65535) % cityNum;
ran2 = random.nextInt(65535) % cityNum;
while (ran1 == ran2) {
ran2 = random.nextInt(65535) % cityNum;
}
temp = tempGh[ran1];
tempGh[ran1] = tempGh[ran2];
tempGh[ran2] = temp;
}
// 判斷編碼是否在禁忌表中
public int panduan(int[] tempGh) {
int i, j;
int flag = 0;
for (i = 0; i < ll; i++) {
flag = 0;
for (j = 0; j < cityNum; j++) {
if (tempGh[j] != jinji[i][j]) {
flag = 1;// 不相同
break;
}
}
if (flag == 0)// 相同,傳回存在相同
{
// return 1;
break;
}
}
if (i == ll)// 不等
{
return 0;// 不存在
} else {
return 1;// 存在
}
}
// 解禁忌與加入禁忌
public void jiejinji(int[] tempGh) {
int i, j, k;
// 删除禁忌表第一個編碼,後面編碼往前挪動
for (i = 0; i < ll - 1; i++) {
for (j = 0; j < cityNum; j++) {
jinji[i][j] = jinji[i + 1][j];
}
}
// 新的編碼加入禁忌表
for (k = 0; k < cityNum; k++) {
jinji[ll - 1][k] = tempGh[k];
}
}
public void solve() {
int nn;
// 初始化編碼Ghh
initGroup();
copyGh(Ghh, bestGh);// 複制目前編碼Ghh到最好編碼bestGh
bestEvaluation = evaluate(Ghh);
while (t < MAX_GEN) {
nn = 0;
localEvaluation = Integer.MAX_VALUE;
while (nn < N) {
Linju(Ghh, tempGhh);// 得到目前編碼Ghh的鄰域編碼tempGhh
if (panduan(tempGhh) == 0)// 判斷編碼是否在禁忌表中
{
// 不在
tempEvaluation = evaluate(tempGhh);
if (tempEvaluation < localEvaluation) {
copyGh(tempGhh, LocalGhh);
localEvaluation = tempEvaluation;
}
nn++;
}
}
if (localEvaluation < bestEvaluation) {
bestT = t;
copyGh(LocalGhh, bestGh);
bestEvaluation = localEvaluation;
}
copyGh(LocalGhh, Ghh);
// 解禁忌表,LocalGhh加入禁忌表
jiejinji(LocalGhh);
t++;
}
System.out.println("最佳長度出現代數:");
System.out.println(bestT);
System.out.println("最佳長度");
System.out.println(bestEvaluation);
System.out.println("最佳路徑:");
for (int i = 0; i < cityNum; i++) {
System.out.print(bestGh[i] + ",");
}
}
/**
* @param args
* @throws IOException
*/
public static void main(String[] args) throws IOException {
System.out.println("Start....");
Tabu tabu = new Tabu(48, 1000, 200, 20);
tabu.init("c://data.txt");
tabu.solve();
}
}
運作結果截圖:
四、總結
禁忌算法其主要特點是在搜尋開始階段,解的品質提高很快,随着搜尋過程的繼續,解的品質的提高速度逐漸放緩,甚至在很長的搜尋階段内解的品質沒有太大提高,适合中小規模的NP問題求解,整體效率比較均衡。
(接上一篇爬山算法,個人計劃TSP問題系列大概會有四五種算法來求解,敬請各位期待!)
注:本文部分内容來源于網絡,但程式以及分析結果屬于本人成果,轉載請注明!