禁忌搜索 理解与c++实现 解决旅行商问题

Posted Lejeune

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了禁忌搜索 理解与c++实现 解决旅行商问题相关的知识,希望对你有一定的参考价值。

禁忌搜索 理解与c++实现 解决旅行商问题

首先介绍一下旅行商问题本身,

旅行商问题,即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题、货郎担问题,是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。

和最小生成树有点类似,不同的是,每个地点只能走一次,并且需要返回开始的地点。

TSP问题是一个组合优化问题。该问题可以被证明具有NPC计算复杂性。因此,任何能使该问题的求解得以简化的方法,都将受到高度的评价和关注。

旅行推销员问题是图论中最著名的问题之一,即“已给一个n个点的完全图,每条边都有一个长度,求总长度最短的经过每个顶点正好一次的封闭回路”。Edmonds,Cook和Karp等人发现,这批难题有一个值得注意的性质,对其中一个问题存在有效算法时,每个问题都会有有效算法。

迄今为止,这类问题中没有一个找到有效算法。倾向于接受NP完全问题(NP-Complete或NPC)和NP难题(NP-Hard或NPH)不存在有效算法这一猜想,认为这类问题的大型实例不能用精确算法求解,必须寻求这类问题的有效的近似算法。

所以考虑用禁忌搜索尝试解决,禁忌搜索的资料好像也比较少。

禁忌搜索

禁忌搜索(Tabu Search,TS,又称禁忌搜寻法)是一种现代启发式算法,由美国科罗拉多大学教授Fred Glover在1986年左右提出的,是一个用来跳脱局部最优解的搜索方法。其先创立一个初始化的方案;基于此,算法“移动”到一相邻的方案。经过许多连续的移动过程,提高解的质量。

先介绍最核心的思路:

通过改进局部搜索,以跳脱局部最优解。

在一定时间里不找以前选择过的解,在一定情况下可以特赦。

原理听起来很简单,但是实现起来其实细节很多,这里以前选择过的解是广义上的,不一定是解本身,可以是类似的转移动作。

介绍一下几个名词

邻域:
下一步所有可能的解的集合。

领域动作
产生领域的方法,在tsp问题中,为交换两个地方的位置。

候选集
有的时候领域数量比较多,不把所有领域都做为候选集。可以采取一定的选取方式,或是随机,或是最优的前k个,亦或是别的方式。选择出候选集。

禁忌表
存储已经走过的解,当时间超过禁忌长度的时候,就可以释放。

禁忌长度:
禁忌表生效的时间,禁忌长度越短,内存占用越少,解禁范围越大(搜索范围上限越大),容易造成循环搜索,过早陷入局部最优。反之相反。

特赦规则
当有的解存在于禁忌表中时,不能一味的全部舍弃,当满足一定的规则时,就可以将他特赦,也就是参与选择,一般有以下几种特赦规则。
(1)基于评价值的规则,若出现一个解的目标值好于前面任何一个最佳候选解,可特赦;
(2)基于最小错误的规则,若所有对象都被禁忌,特赦一个评价值最小的解;
(3)基于影响力的规则,可以特赦对目标值影响大的对象。

候选集
候选集的大小,过大增加计算内存和计算时间,过小过早陷入局部最优。候选集的选择一般由邻域中的邻居组成,可以选择所有邻居,也可以选择表现较好的邻居,还可以随机选择几个邻居。

评价函数
评价函数分为直接评价函数和间接评价函数。
直接评价函数:上述例子,均直接使用目标值作为评价函数。
间接评价函数:反映目标函数特性的函数(会比目标函数的计算更为简便,用以减少计算时间等)。

终止规则
禁忌搜索是一个启发式算法,我们不可能让搜索过程无穷进行,所以一些直观的终止规则就出现了
(1)确定步数终止,无法保证解的效果,应记录当前最优解;
(2)频率控制原则,当某一个解、目标值或元素序列的频率超过一个给定值时,终止计算;
(3)目标控制原则,如果在一个给定步数内,当前最优值没有变化,可终止计算。

由此可见

我认为禁忌搜索是一种思想,上面的参数多到出奇,禁忌的方法也不限于狭义的解,例如在tsp问题中,将所有领域进行编号,禁忌的是领域的编号,在状态转换后,领域编号所对应的解已经不同,但是仍然放在禁忌表中。所以我认为禁忌搜索灵活且可拓展性大。具体到自己实现的时候,也确实遇到很多困难。

网上分析了一位大佬的代码,照着分析了一下。并自己划分了一下功能。

我将一次禁忌搜索分为进行K次小搜索

初始化全局最优解,禁忌表
循环K次小型搜索
	初始化搜索相关解(小型搜索最优解,特赦最优解,迭代过程中最优解)
	迭代N次
		1.遍历邻域
			if 在禁忌表中,更新特赦最优解
			else 不在表中,更新迭代最优解
		2.判断特设最优解是否满足特赦条件(常见为两种)
		3.选择迭代最优解进行转移,并更新禁忌表//可用优先队列 但是禁忌表往往规模不大
	检查全局最优解和搜索最优解

按照这个思路写了代码,相关注意点也写在了注释里

#include<bits/stdc++.h>
using namespace std;
#define rand(a,b) ((rand()%(b-a))+a)
const int INF=INT_MAX;
const int K=25;//小型搜索的次数
const int ITERATIONS=100 ;//小型搜索中的迭代次数
const int TABU_SIZE=10;//禁忌长度
const int SWAPSIZE=5;//交换数目 ,理解为候选集,此代码中没有用到

int city[60][2];//记录城市坐标
double adj[60][60];//记录城市之间的距离
int nowPath[60];//当前路径
int finalBestPath[60];//最优路径
int TabuList[2000][3];//第一维度 邻域id 第二维度 0:start 1:end 2.tabu
//原文件里还有个dis但是个人觉得没有必要 因为没有复用到
//在最大规模为60的问题中 邻域数量最大为60*59/2 给到2000是足够的



void readAndInit(int n);
void getRandomOrder(int path[],int n);//将path初始化为随机序列 值域[0,n)
int TabuSearch(int n);//禁忌搜索主体
int smallSearch(int n);//小型搜索
double getPathValue(int path[],int n);//获取给定路径的数值


int main()
    int n=17;
     readAndInit(n);//读入数据以及举例 数据初始化
     TabuSearch(n);





void readAndInit(int n)
    for(int i=0;i<n;i++)
        for(int j=0;j<=i;j++)
            scanf("%lf",&adj[i][j]);
            adj[j][i]=adj[i][j];
        
/*
 * for(int i=0;i<n*2;i++)
            scanf("%d",&city[i/2][i%2]);
    for(int i=0;i<n;i++)
        for(int j=0;j<n;j++)
            adj[i][j]=sqrt((city[i][0]-city[j][0])*(city[i][0]-city[j][0])+(city[i][1]-city[j][1])*(city[i][1]-city[j][1]));

 */




int TabuSearch(int n)
    int finalDis=INF;
    //初始化禁忌表
    int now=0;
    for(int i=0;i<n;i++)
        for(int j=i+1;j<n;j++)
            TabuList[now][0]=i;
            TabuList[now][1]=j;
            TabuList[now][2]=0;
            now++;
        
    //
    for(int i=0;i<K;i++)//值得注意 每次搜索禁忌表是共享的 也就是新的小搜索不会重置禁忌表
        int smallSearchDis=smallSearch(n);
        if(finalDis>smallSearchDis)//如果此次小型搜索的最优解优于finalDis,则更新
            finalDis=smallSearchDis;
            memcpy(finalBestPath,nowPath,sizeof (nowPath));//路径复制
        

    


    //show
    cout<<finalDis<<'\\n';
    for(int i=0;i<n;i++)
        printf("->%d",finalBestPath[i]);




int smallSearch(int n)
    getRandomOrder(nowPath,n);
    double bestDis=getPathValue(nowPath,n);//初始化小型搜索最优解

    int pardon[2], curBest[2];//特赦最优解和搜索最优解
    pardon[0]=pardon[1]=curBest[0]=curBest[1]=INF;//初始化
    int LNum=n*(n-1)/2;//邻域数量
    for(int i=0;i<ITERATIONS;i++)//迭代

        for(int j=0;j<LNum;j++)//领域搜索
            swap(nowPath[TabuList[j][0]],nowPath[TabuList[j][1]]);
            double tmpDis=getPathValue(nowPath,n);
            if(TabuList[j][2]==0)//没有被禁忌
                if(tmpDis<curBest[1])
                    curBest[0]=j;
                    curBest[1]=tmpDis;
                
            
            else//被禁忌
                if(tmpDis<pardon[1])
                    pardon[0]=j;
                    pardon[1]=tmpDis;
                
            
            swap(nowPath[TabuList[j][0]],nowPath[TabuList[j][1]]);
        
        //邻域搜索结束
        //判断特设最优解是否满足特赦条件
        //第一个条件对应领域全被禁忌,在邻域数量大于禁忌长度时不可能出现
        //第二个条件似乎存疑,此刻curBest并没有更新到bestDis上,
        //如果此时curBest比pardon更优,则curBest无法被更新,可能这样是增加搜索前面的可能性?
        //另一方面如果第二个条件成立 必然出现在另一次小型搜索过程中
        //因为重新搜索并没有重置禁忌表,但bestDis被重置,在同一次小型搜索中不可能满足第二个条件
        if(curBest[1] == INF || pardon[1] < bestDis)
            curBest[0]=pardon[0];
            curBest[1]=pardon[1];
        
        //尝试更新 小型搜索的最优解bestDis
        if(curBest[1]<bestDis)
            bestDis=curBest[1];
            //交换位置
            swap(nowPath[TabuList[curBest[0]][0]],nowPath[TabuList[curBest[0]][1]]);
            //更新禁忌表 可考虑用其他数据结构维护 例如链表、优先队列维护禁忌表,在禁忌表更新上不是一个数量级
            TabuList[curBest[0]][2]=TABU_SIZE;
            for(int j=0;j<LNum;j++)
                if(TabuList[j][2]>0)
                    TabuList[j][2]--;
        
        //随机性可能导致某一次搜索永远在某一个较高点,附近邻域都没有比他大的,即便是禁忌表特赦也没有用

    
    return bestDis;






void getRandomOrder(int path[],int n)
    //srand(time(0));//保证结果可复现 注释此句
    for(int i=0;i<n;i++)
        path[i]=i;
    for(int i=0;i<n;i++)
        swap(path[i],path[rand(i,n)]);


double getPathValue(int path[],int n)
    double value=adj[path[n-1]][path[0]];
    for(int i=0;i<n-1;i++)
        value+=adj[path[i]][path[i+1]];
     return value;


用tsp的数据集测试了一下,效果确实拔群。
我是用的是gr17,大部分都能找到最优解,偶尔几次为近似解。
数据集提供在百度网盘,有兴趣可以自己去测试。
链接 提取码: wtan

以上是关于禁忌搜索 理解与c++实现 解决旅行商问题的主要内容,如果未能解决你的问题,请参考以下文章

TSP基于matlab禁忌搜索算法求解31城市旅行商问题含Matlab源码 1143期

matlab基于禁忌搜索算法求解TSP问题

TSP问题基于禁忌搜索算法求解TSP问题

matlab改进变邻域搜索算法求解路径优化。

matlab改进变邻域搜索算法求解路径优化。

TSP基于matlab自适应动态邻域布谷鸟混合算法求解旅行商问题含Matlab源码 1513期