用Python解决TSP问题(3)——分支限界法
文章源码在Github：https://github.com/jinchenghao/TSP
本介绍用python解决TSP问题的第三个方法——分支限界法
算法介绍
分支限界法的步骤如下：
1) 按宽度优先策略遍历解空间树
2) 在遍历过程中，对处理的每个结点i，根据界限函数，估计沿该结点向下搜索所可能达到的完全解的目标函数的可能取值范围—界限bound(i)=[dow(i), up(i)]
3) 从中选择使目标函数取的极小值的结点优先进行宽度优先搜索，从而不断调整搜索方向，尽快找到问题解。
对于步骤1）我使用优先级队列来完成宽度优先搜索。
对于步骤2）我使用前文提到的贪心算法来作为bound的上界，取矩阵每行的两个最小值得均值作为下界。如公式(2)(3)。
使用贪心算法定义上界可以理解，下界之所以取每行的两个最小值除以2是因为：对每一步经过的城市j，从最近的上一个城市i来，再到下一个最近城市k去，即i→j→k。这样取得的down肯定是小于等于最优解。up和down是不断更新的，每到一个节点就会更新down的值，每搜索到一个解就会更新up（如果比当前的up优），如果当前的解比所有的节点的极小值都小，则搜索到最优解停止搜索。
程序
输入：
1 2066 2333
2 935 1304
3 1270 200
4 1389 700
5 984 2810
6 2253 478
7 949 3025
8 87 2483
9 3094 1883
10 2706 3130代码：
# -*- coding: utf-8 -*-
"""
分支限界法
name:JCH
date:6.8
"""
import pandas as pd
import numpy as np
import math
from queue import Queue
import time
dataframe = pd.read_csv("./data/TSP10cities.tsp",sep=" ",header=None)
v = dataframe.iloc[:,1:3]
train_v= np.array(v)
train_d=train_v
dist = np.zeros((train_v.shape[0],train_d.shape[0]))
#计算距离矩阵
for i in range(train_v.shape[0]):
for j in range(train_d.shape[0]):
dist[i,j] = math.sqrt(np.sum((train_v[i,:]-train_d[j,:])**2))
INF = 10000000
n = train_v.shape[0]
class Node:
def __init__(self):
self.visited=[False]*n
self.s=1
self.e=1
self.k=1
self.sumv=0
self.lb=0
self.listc=[]
pq = Queue() #创建一个优先队列
low=0 #下界
up=0#上界（使用贪心算法得出）
dfs_visited=[False]*n
dfs_visited[0]=True
def dfs(u,k,l):
if k==n-1 :
return (l+dist[u][0])
minlen=INF
p=0
for i in range(n):
if dfs_visited[i]==False and minlen>dist[u][i]:
minlen=dist[u][i]
p=i
dfs_visited[p]=True
return dfs(p,k+1,l+minlen)
def get_up():
global up
up=dfs(0,0,0)
def get_low():
global low
for i in range(n):
temp=dist[i].copy()
temp.sort()
#print("%s"%(temp[0]))
low=low+temp[0]+temp[1]
low=low/2
def get_lb(p):
ret=p.sumv*2
min1=INF #起点和终点连出来的边
min2=INF
#从起点到最近未遍历城市的距离
for i in range(n):
if p.visited[i]==False and min1>dist[i][p.s]:
min1=dist[i][p.s]
ret=ret+min1
#从终点到最近未遍历城市的距离
for j in range(n):
if p.visited[j]==False and min2>dist[p.e][j]:
min2=dist[p.e][j]
#进入并离开每个未遍历城市的最小成本
for i in range(n):
if p.visited[i]==False:
min1=min2=INF
for j in range(n):
min1=dist[i][j] if min1 > dist[i][j] else min1
for m in range(n):
min2=dist[i][m] if min2 > dist[m][i] else min2
ret=ret+min1+min2
return (ret+1)/2
def solve():
global up
get_up()
get_low() #获得下界
node=Node()
node.s=0 #起始点从1开始
node.e=0 #结束点到1结束(当前路径的结束点)
node.k=1 #遍历过得点数，初始1个
node.visited=[False]*n #是否遍历过
node.listc.append(0)
for i in range(n):
node.visited[i]==False
node.visited[0]=True
node.sumv=0 #目前路径的距离和
node.lb=low #初始目标值等于下界
ret=INF #ret是问题的最终解
pq.put(node) #将起点加入队列
while pq.qsize()!=0: #如果已经走过了n-1个点
tmp=pq.get()
if tmp.k==n-1:
p=0 #最后一个没有走的点
for i in range(n):
if tmp.visited[i]==False:
p=i
break
ans=tmp.sumv+dist[tmp.s][p]+dist[p][tmp.e] #总的路径消耗
#如果当前的路径和比所有的目标函数值都小则跳出
#否则继续求其他可能的路径和，并更新上界
if ans <= tmp.lb:
ret=min(ans,ret)
break
else:
up=min(ans,up)#上界更新为更接近目标的ans值
ret=min(ret,ans)
continue
#当前点可以向下扩展的点入优先级队列
for i in range(n):
if tmp.visited[i]==False:
next_node=Node()
next_node.s=tmp.s #沿着tmp走到next，起点不变
next_node.sumv=tmp.sumv+dist[tmp.e][i]
next_node.e=i #更新最后一个点
next_node.k=tmp.k+1
next_node.listc=tmp.listc.copy()
next_node.listc.append(i)
#print(tmp.k)
#tmp经过的点也是next经过的点
next_node.visited=tmp.visited.copy()
next_node.visited[i] = True;
next_node.lb = get_lb(next_node);#求目标函数
if next_node.lb>=up:
continue
pq.put(next_node)
tmp.listc.append(4)
return ret,tmp
if __name__ == "__main__":
for i in range(n):
dist[i][i]=INF
start = time.clock()
sumpath,node=solve()
end = time.clock()
print("结果：")
print(sumpath)
list1=node.listc.copy()
for i in list1:
print(i)
print("程序的运行时间是：%s"%(end-start))
结果：
