经典算法(四)旅行商问题

本文介绍了一种解决旅行商问题(TSP)的方法,通过递归搜索和冲突检测来寻找最小成本的路线。使用Python实现,考虑到节点间的直接连接和成本,适用于小规模TSP问题。
import sys

# 冲突检测
def conflict(k):
    global n, graph, 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

# 旅行商问题(TSP)
def tsp(k): # 到达(解x的)第k个节点
    global n, graph, x, min_cost
    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:
            min_cost = cost
    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):
                tsp(k+1)



if __name__ == "__main__":
    n = int(sys.stdin.readline().strip()) # 节点数
    m = int(sys.stdin.readline().strip())
    graph = {}
    for i in range(n):
        graph[i] = {}
    for i in range(m):
        a, b, t = map(int, sys.stdin.readline().strip().split())
        graph[a][b] = t
        graph[b][a] = t
    x = [0] * (n + 1)
    min_cost = 0
    x[0] = 0 # 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
    if min_cost == 0:
        print(-1)
    else:
        print(min_cost)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值