R语言旅行推销员问题TSP

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 。



可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds