R语言旅行推销员问题TSP

原文链接：http://tecdat.cn/?p=6551

常用术语中的旅行推销员问题（TSP）是最复杂的问题之一，归结为组合优化。旅行到n个城市（顶点）需要检查（n-1）！可能性。3,000个地点有4 * 10 ^ 9131个可能的解决方案。

本文调查了R包的性能：TSP和tspmeta。结果对我的使用非常满意。

以下代码输入您的TSP225.csv文件并输出您的解决方案和可视化。生成的'tour'对象是一类TOUR和整数;它包含您的解决方案。

 

coords.df <- data.frame(long=TSP225$Long, lat=TSP225$Lat)

coords.mx <- as.matrix(coords.df)

# Compute distance matrix

dist.mx <- dist(coords.mx)

# Construct a TSP object

tsp.ins <- tsp_instance(coords.mx, dist.mx )

#

tour <- run_solver(tsp.ins, method="2-opt")

#Plot

autoplot(tsp.ins, tour)

​

比较解决方案：下图显示了7种启发式解决方案的最佳旅游长度和协和式的确切解决方案。对于协和解决方案，我使用了在UW-Madison主持的NEOS-Server。

methods <- c("nearest_insertion" "2-opt")

tours <- sapply(methods  simplify = FALSE)

dotchart( ),

 )

​

在2D中的＃2 3000个随机顶点

显然，随着顶点数量的增长，精确解和其他启发式解决方案之间的差异显着增加。2-opt解决方案最接近最优。重复的2-opt解决方案和挑选最小的值让我非常接近于确切的解决方案 。

​

​

如果您有任何疑问，请在下面发表评论。