本文实例讲述了Python基于回溯法子集树模板解决旅行商问题（TSP）。分享给大家供大家参考，具体如下：
问题
旅行商问题（Traveling Salesman Problem,TSP）是旅行商要到若干个城市旅行，各城市之间的费用是已知的，为了节省费用，旅行商决定从所在城市出发，到每个城市旅行一次后返回初始城市，问他应选择什么样的路线才能使所走的总费用最短？
分析
此问题可描述如下：G=(V,E)是带权的有向图，找到包含V中每个结点一个有向环，亦即一条周游路线，使得这个有向环上所有边成本之和最小。
这个问题与前一篇文章http://www.zzvips.com/article/120701.html的区别就是，本题是带权的图。只要一点小小的修改即可。
解的长度是固定的n+1。
对图中的每一个节点，都有自己的邻接节点。对某个节点而言，其所有的邻接节点构成这个节点的状态空间。当路径到达这个节点时，遍历其状态空间。
最终，一定可以找到最优解!
显然，继续套用回溯法子集树模板！！！
代码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
|
'''旅行商问题（Traveling Salesman Problem,TSP）'''# 用邻接表表示带权图n = 5 # 节点数a,b,c,d,e = range(n) # 节点名称graph = [ {b:7, c:6, d:1, e:3}, {a:7, c:3, d:7, e:8}, {a:6, b:3, d:12, e:11}, {a:1, b:7, c:12, e:2}, {a:3, b:8, c:11, d:2}]x = [0]*(n+1) # 一个解（n+1元数组，长度固定）X = [] # 一组解best_x = [0]*(n+1) # 已找到的最佳解（路径）min_cost = 0 # 最小旅费# 冲突检测def conflict(k): global n,graph,x,best_x,min_cost # 第k个节点，是否前面已经走过 if k < n and x[k] in x[:k]: return True # 回到出发节点 if k == n and x[k] != x[0]: return True # 前面部分解的旅费之和超出已经找到的最小总旅费 cost = sum([graph[node1][node2] for node1,node2 in zip(x[:k], x[1:k+1])]) if 0 < min_cost < cost: return True return False # 无冲突# 旅行商问题（TSP）def tsp(k): # 到达（解x的）第k个节点 global n,a,b,c,d,e,graph,x,X,min_cost,best_x if k > n: # 解的长度超出，已走遍n+1个节点 （若不回到出发节点，则 k==n） cost = sum([graph[node1][node2] for node1,node2 in zip(x[:-1], x[1:])]) # 计算总旅费 if min_cost == 0 or cost < min_cost: best_x = x[:] min_cost = cost #print(x) else: for node in graph[x[k-1]]: # 遍历节点x[k-1]的邻接节点（状态空间） x[k] = node if not conflict(k): # 剪枝 tsp(k+1)# 测试x[0] = c # 出发节点：路径x的第一个节点（随便哪个）tsp(1) # 开始处理解x中的第2个节点print(best_x)print(min_cost) |
效果图
希望本文所述对大家Python程序设计有所帮助。
原文链接：http://www.cnblogs.com/hhh5460/p/6929822.html
