一、 TSP简介
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。
TSP的数学模型
二、布谷鸟算法简介
布谷鸟算法，英文叫做Cuckoo search (CS algorithm)。首先还是同样，介绍一下这个算法的英文含义， Cuckoo是布谷鸟的意思，啥是布谷鸟呢，是一种叫做布谷的鸟，o(∩_∩)o ，这种鸟她妈很懒，自己生蛋自己不养，一般把它的宝宝扔到别的种类鸟的鸟巢去。但是呢，当孵化后，遇到聪明的鸟妈妈，一看就知道不是亲生的，直接就被鸟妈妈给杀了。于是这群布谷鸟宝宝为了保命，它们就模仿别的种类的鸟叫，让智商或者情商极低的鸟妈妈误认为是自己的亲宝宝，这样它就活下来了。
布谷鸟搜索算法（Cuckoo Search, CS）是Xin-She Yang 与Suash Deb在《Cuckoo Search via Levy Flights》一文中提出的一种优化算法。布谷鸟算法是一种集合了布谷鸟巢寄生性和莱维飞行（Levy Flights）模式的群体智能搜索技术，通过随机游走的方式搜索得到一个最优的鸟巢来孵化自己的鸟蛋。这种方式可以达到一种高效的寻优模式。
1 布谷鸟的巢寄生性
2 莱维飞行
图1.模拟莱维飞行轨迹示意图
3 布谷鸟搜索算法的实现过程
三、部分源代码
clc;A = load('berlin52.txt'); % 数据集pop = 20; % 种群数gem = 500; % 迭代次数Pa = 0.2; % 鸟巢发现概率 [bestck, best_lenck]=finalver(A,pop,Pa,gem);% 单次调用% 循环30次取平均a = 0;for i=1:5[bestckr, best_lenckr]=finalver(A,pop,Pa,gem);a(i)=best_lenckr;endbesta = min(a);avra = mean(a,2);bestaavrafunction [best, bestsofar] = finalver(A,pop,Pa,gem)figure('name','testTSP');% 画出散点图plot(A(:,2),A(:,3),'s','markersize',2); % 截取数据点坐标X=A(:,2:3); Mdl = KDTreeSearcher(X); % 筛选最近邻%初始化参数定义部分[N,~]=size(A); % 获取城市数D=distance(A); % 生成距离矩阵PP=zeros(pop,N+1);P0=zeros(pop,N+1);for i=1:popP0(i,2:N)=randperm(N-1)+1; % 随机生成初始群体P0endfor i=1:popPP(i,:)=[1 P0(i,2:N) 1];% 修改形成初始群体PP,添加起点终点end% 构造改良圈算法初始矩阵for k=1:popflag=1;while flagflag=0;for i=1:N-2for j=i+2:Nif D(PP(k,i),PP(k,j))+D(PP(k,i+1),PP(k,j+1))<D(PP(k,i),PP(k,i+1))+D(PP(k,j),PP(k,j+1))PP(k,(i+1):j)=PP(k,j:-1:(i+1));flag=1;endendendendendP1 = PP(:, 1:N);% 截取路程fit_ret = fitness(P1, D);% 计算适应度函数[route_sr,best_sr] = sort(fit_ret); % 适应度排序best_len = route_sr(1); % 当前最短路径总和best = P1(best_sr(1), :);% 截取子路程bestsofar = best_len;total = gem;tabulength= 5+N; % 禁忌长度 % global tabulist;% 初始化禁忌表for i = 1:tabulengthtabulist(i).list= 0;tabulist(i).value= 0;end% 开始迭代while gem% 种群选择 parfor帮助提速parfor i=1:pop B = P1(i,:);locbest = fitness(B, D); % 计算适应度 bestch = B; % 暂存结果temp = rand;if temp < (0.5-0.1*(1/(1+exp(-(gem-450)/10)))-0.2*(1/(1+exp(-(gem-250)/10)))) %列维飞行，长短距离choice = 1; % 2-opt邻域elseif temp > (0.9-0.3*(1/(1+exp(-(gem-450)/10))))choice = 4; % 双桥邻域else choice = 2; % 3-opt邻域endswitch choicecase 1[E] = crossover(Mdl,A,B,D,1,gem); % 2-opt邻域case 2if gem > 350[E] = crossover(Mdl,A,B,D,3,gem);% 3-opt前期else[E] = crossover(Mdl,A,B,D,2,gem);% 3-opt后期end case 4[E] = crossover(Mdl,A,B,D,4,gem);% 双桥邻域endC = E;Fitnc = fitness(C,D);% 计算适应度 if Fitnc < locbestbestch = C;locbest = Fitnc;end % 鸟巢被发现 if rand < Pa [F] = crossover(Mdl,A,B,D,4,500); % 双桥邻域G = F;Fitnc = fitness(G,D);% 计算适应度 if Fitnc < locbestbestch = G;end endP1(i,:) = bestch;endP = P1;fit_ret = fitness(P, D); % 计算适应度函数[route_sr,best_sr] = sort(fit_ret); % 适应度排序best_len = route_sr(1);% 当前最短路径总和best = P(best_sr(1) ,:); % 截取子路程% 更新最优解if bestsofar > best_lenbestsofar = best_len;endSaver(1,total - gem+1) = bestsofar; %存储每次的最优解gem = gem-1;% 进入下一次循环end% 画出闭合路径曲线图scatter(A(:,2),A(:,3),'x');hold on;plot([A(best(1),2),A(best(N),2)],[A(best(1),3),A(best(N),3)]);hold on;title(best_len) %添加图像标题for i=1:N-1x0=A(best(i),2);x1=A(best(i+1),2);y0=A(best(i),3);y1=A(best(i+1),3);xx=[x0, x1];yy=[y0, y1];plot(xx,yy);hold on;end
四、运行结果
五、matlab版本及参考文献
1 matlab版本
a
2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，.
如果觉得《【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】》对你有帮助，请点赞、收藏，并留下你的观点哦！
