标签：newsol 447 禁忌 搜索算法 sol 源码 Tabu Position Cost
一、简介
1 局部领域搜索
又称爬山启发式算法，从当前的节点开始，和周围的邻居节点的值进行比较。如果当前节点是最大的，那么返回当前节点，作为最大值(即山峰最高点)；反之就用最高的邻居节点替换当前节点，从而实现向山峰的高处攀爬的目的。它是禁忌搜索的基础，TS算法是在其上改进而来。
1.1 优点：
容易理解，容易实现，具有较强的通用性；
局部开发能力强，收敛速度很快。
1.2 缺点：
全局开发能力弱，只能搜索到局部最优解；
搜索结果完全依赖于初始解和邻域的映射关系。
通过针对爬山法的分析，提出了TS搜索算法：
改进1：接受劣解。
改进2：引入禁忌表。
改进3：引入长期表和中期表。
2 TS算法的特点:
2.1 基本思想——避免在搜索过程中的循环
2.2 只进不退的原则,通过禁忌表实现
2.3 不以局部最优作为停止准则
2.4 邻域选优的规则模拟了人类的记忆功能
TS算法构成要素:
(1)编码方式
将不相同的n件物品分为m组，可以用的编码：
a、带分隔符的顺序编码
以自然数1~n分别代表n件物品，n个数加上 m-1个分割符号混编在一起，随机排列。 如：1-3-4-0-2-6-7-5-0-8-9
b、自然数编码
编码的每一位分别代表一件物品，而每一位的值代表该物品所在的分组。
如：1-2-1-1-2-2-2-3-3
(2)初始解的获取
可以随机给出初始解，也可以事先使用其他启发式等算法给出一个较好的初始解。
(3)移动邻域
移动是从当前解产生新解的途径，例如上述问题中用移动s产生新解s(x)。 从当前解可以进行的所有移动构成邻域，也可以理解为从当前解经过“一步”可以到达的区域。
(4)禁忌表
禁忌表的作用：防止搜索出现循环
(1)记录前若干步走过的点、方向或目标值，禁止返回
(2)表是动态更新的
(3)表的长度称为Tabu-Size
禁忌表的主要指标（两项指标）
禁忌对象：禁忌表中被禁的那些变化元素
禁忌长度：禁忌的步数
禁忌对象（三种变化）
以状态本身或者状态的变化作为禁忌对象
以状态分量以及分量的变化作为禁忌对象
采用类似的等高线做法，以目标值变化作为禁忌对象
禁忌长度:可以是一个固定的常数(T=c),也可以是动态变化的，可按照某种规则或公式在区间内变化。
禁忌长度过短，一旦陷入局部最优点，出现循环无法跳出；
禁忌长度过长，候选解全部被禁忌，造成计算时间较大，也可能造成计算无法继续下去。
(5)渴望水平函数
A(x，s)一般为历史上曾经达到的最好目标值，若有C(s(x))<A(x，s)则S(x)是不受T表限制。即使s(x)∈T，仍可取 x=s(x)。A(x，s)称为渴望水平函数。
(6)停止准则
(1)给定最大迭代步数（最常用 ）
(2)设定某个对象的最大禁忌频率。
(3)设定适配值的偏离阈值。
二、源代码
clc;
clear;
close all;
%% Problem Definition
model = CreateModel(); % Create TSP Model
CostFunction=@(tour) TourLength(tour, model); % Cost Function
ActionList=CreatePermActionList(model.n); % Action List
nAction=numel(ActionList); % Number of Actions
%% Tabu Search Parameters
MaxIt=50; % Maximum Number of Iterations
TL=round(0.5*nAction); % Tabu Length
%% Initialization
% Create Empty Individual Structure
empty_individual.Position=[];
empty_individual.Cost=[];
% Create Initial Solution
sol=empty_individual;
sol.Position=randperm(model.n);
sol.Cost=CostFunction(sol.Position);
% Initialize Best Solution Ever Found
BestSol=sol;
% Array to Hold Best Costs
BestCost=zeros(MaxIt,1);
% Initialize Action Tabu Counters
TC=zeros(nAction,1);
%% Tabu Search Main Loop
for it=1:MaxIt
bestnewsol.Cost=inf;
% Apply Actions
for i=1:nAction
if TC(i)==0
newsol.Position=DoAction(sol.Position,ActionList{i});
newsol.Cost=CostFunction(newsol.Position);
newsol.ActionIndex=i;
if newsol.Cost<=bestnewsol.Cost
bestnewsol=newsol;
end
end
end
% Update Current Solution
sol=bestnewsol;
% Update Tabu List
for i=1:nAction
if i==bestnewsol.ActionIndex
TC(i)=TL; % Add To Tabu List
else
TC(i)=max(TC(i)-1,0); % Reduce Tabu Counter
end
end
% Update Best Solution Ever Found
if sol.Cost<=BestSol.Cost
BestSol=sol;
end
function PlotSolution(sol,model)
xmin=model.xmin;
xmax=model.xmax;
ymin=model.ymin;
ymax=model.ymax;
tour=sol.Position;
tour=[tour tour(1)];
plot(model.x(tour),model.y(tour),'k-o',...
'MarkerSize',10,...
'MarkerFaceColor','y',...
'LineWidth',1.5);
xlabel('x');
ylabel('y');
axis equal;
grid on;
alpha = 0.1;
dx = xmax - xmin;
xmin = floor((xmin - alpha*dx)/10)*10;
xmax = ceil((xmax + alpha*dx)/10)*10;
xlim([xmin xmax]);
dy = ymax - ymin;
ymin = floor((ymin - alpha*dy)/10)*10;
ymax = ceil((ymax + alpha*dy)/10)*10;
ylim([ymin ymax]);
function model=CreateModel()
x=[82 91 12 92 63 9 28 55 96 97 15 98 96 49 80 12 80 55];
y=[14 42 92 80 96 66 3 85 94 68 76 75 39 66 17 78 80 45];
n=numel(x);
d=zeros(n,n);
for i=1:n-1
for j=i+1:n
d(i,j)=sqrt((x(i)-x(j))^2+(y(i)-y(j))^2);
d(j,i)=d(i,j);
end
end
xmin=0;
xmax=100;
ymin=0;
ymax=100;
model.n=n;
model.x=x;
model.y=y;
model.d=d;
model.xmin=xmin;
model.xmax=xmax;
model.ymin=ymin;
三、运行结果
四、备注
版本：2014a
完整代码或代写加QQ1564658423
标签：newsol,447,禁忌,搜索算法,sol,源码,Tabu,Position,Cost 来源： https://www.cnblogs.com/homeofmatlab/p/14946245.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。