干货 | 自适应大邻域搜索(ALNS)和禁忌搜索(TS)实验对比附代码
程序猿声
共 2214字,需浏览 5分钟
· 2020-02-24
文案 周航
审核修改 邓发珩
前言
公众号的老观众们应该会记得,在去年这个时候我们公众号发布了有关自适应大领域搜索算法(adaptive large neighborhood search)的相关系列教程,有关传送门如下:
1. 干货 | 自适应大邻域搜索(Adaptive Large Neighborhood Search)入门到精通超详细解析-概念篇2. 代码 | 自适应大邻域搜索系列之(1) - 使用ALNS代码框架求解TSP问题3. 代码 | 自适应大邻域搜索系列之(2) - ALNS算法主逻辑结构解析
4. 代码 | 自适应大邻域搜索系列之(3) - Destroy和Repair方法代码实现解析5. 代码 | 自适应大邻域搜索系列之(4) - Solution定义和管理的代码实现解析
6. 代码 | 自适应大邻域搜索系列之(5) - ALNS_Iteration_Status和ALNS_Parameters的代码解析
7. 代码 | 自适应大邻域搜索系列之(6) - 判断接受准则SimulatedAnnealing的代码解析
8. 代码 | 自适应大邻域搜索系列之(7) - 局部搜索LocalSearch的代码解
9. 自适应大邻域 | 用ALNS框架求解一个TSP问题 - 代码详解
当时,为了调用MinGW库,我们还特地做了一份安装教程。但教程中安装库的过程比较繁琐,尤其是对平时习惯使用VS而不是dev C++的观众来说,又要动手下载dev C++,不太方便。
对于有点编程基础的同学还好,照着葫芦总能画出一个瓢来:
emmm……而对于不熟悉编程的同学而言,一顿操作猛如虎:
为了造福人类,这次小编为大家带来了VS版本的ALNS框架,只需要下载处理好的项目文件导入VS中就可以直接运行啦!
代码运行
习惯使用dev C++的同学,可以直接参考过去的推文,安装MinGW库,再在dev C++上运行。
对使用VS的同学,直接从公众号中下载代码,用VS打开.sin文件就行啦!在公众号内输入【ALNSTSPVS】不带【】即可下载相关代码!如图:
怎样,是不是跟在床上翻一个身一样简单呢?不过你的VS版本要>=2015哦。
这次提供给大家的代码中,除了已经搭建好的ALNS的框架(来自Github,一个法国的PHD写的,原地址:https://github.com/biblik/alns-framework),还有编写的利用ALNS框架求解TSP的代码(代码经过小舟同学修改),并包含几个TSP算例:
图中箭头标注的.xml文件用于参数修改。箭头指向的是几个重要参数,用于设置搜索停止条件,分别代表迭代次数、运行时间、未能优化当前解的最大迭代次数。任意一项指标超过设置参数时,程序停止运行:
算例在main.cpp中输入,在图示位置输入算例名称:
如果要导入自己的算例,将算例放置到工程文件目录下,保证算例格式与所给算例一样,就可以运行啦!
简单实验
关于ALNS的介绍,过去已经有相关推文做了详细解读。这里我们对ALNS求解TSP的结果进行简单实验,看一看算法的实际运行效果。
测试算例采用TSPLIB提供的TSP算例,可以在公众号菜单【资源下载-算例下载】一栏进行下载。
我们先将ALNS与Tabu Search进行简单对比,关于Tabu Search的传送门:
干货|十分钟快速复习禁忌搜索(c++版)
对比结果如下:
经过简单的测试发现,ALNS代码运行的时间比禁忌搜索算法更长一些。并且两种算法得出的满意解与最优解都有一些差距,所以我们增加最大迭代次数,看一看两种算法能更精确到什么程度:
可以看到,增加迭代次数,ALNS会得到更优的满意解,而TS可能早就陷入了局部最优,已经无法继续得到更优的解了。我们选择算例rd400,进一步测试ALNS的运行情况:
从上面的结果可以看出:ALNS通过增加迭代次数,是能更好的逼近最优解的。不过所需要的时间也相应会增加。
经过比较可以看出,ALNS收敛的速度较慢,因为其搜索的邻域是非常大的,其达到满意解所需的搜索时间要更久。但正是由于其搜索的邻域巨大,在此过程中不容易过早陷入局部最优,增加搜索时间是有更大概率找到更好的解。
而TS搜索的邻域相对ALNS较小(和测试代码的邻域结构有关),不过,这里说的邻域相对较小,并不一定指TS搜索邻域一定比ALNS小,你也可以通过邻域结构的设计,搞得很大很大。
但一般而言,ALNS的邻域规模都大一些,毕竟他就是以大规模邻域著称的。在本那次代码中,由于TS只设计了一个邻域算子,因此收敛的速度非常快,但也过早陷入了局部最优。
当然,以上测试非常简单,反应出两种算法的不同特点还不够准确,因为实际运行过程建立在代码的基础上,比如对禁忌搜索而言,算子设计的个数、优劣会影响解的精确度;是否进行去重优化会影响搜索速度。对ALNS,代码中设计了local search,因此搜索速度会略慢一些,但优化程度会有所提升。
写在后面
ALNS相对比较复杂,尤其是我们提供的代码框架非常完善,综合了模拟退火、变邻域搜索的一些特点,要弄清楚并不容易。在接下来的一段时间里,小编也会和大家一起进一步研究ALNS,为大家带来一些ALNS相关的文章,希望大家多多关注~
在公众号内输入【ALNSTSPVS】不带【】即可下载相关代码!
评论
互联网晚报 | 大麦网已退款凤凰传奇演唱会“柱子票”;钟薛高再成被执行人;iPhone 16或取消实体音量键和电源键
大麦网回应凤凰传奇演唱会买到“柱子票”:已退票退款据报道,凤凰传奇2024巡回演唱会常州站演出结束的第二天,有网友称自己在大麦网买到“柱子票”,因为观看效果不佳,要求退款被拒。23日,记者从涉事网友处了解到,大麦方面给出了退款建议,但被其拒绝,“我希望平台退款加赔偿,并重视屡次出现的‘柱子票’问题。
产品刘
0
AI论文写作工具和生成器(一)
随着人工智能和大模型的迅猛发展,AI对研究人员和学生提供了极大的写作便利。本文将介绍市面上常用的AI论文写作工具,帮助你提高论文写作效率并遵循学术道德。请仅将AI论文生成器视为辅助参考手段,切勿直接挪用全文。XPaper AlXPaper AI是由点击式创作工具晓语台推出的一款论文写作生成平台,只需
IQ前端
0
Langchain使用 | 模型、提示和解析器、存储
零、LangChain介绍为各种不同基础模型提供统一接口- 帮助管理提示的框架- 一套中心化接口,用于处理长期记忆(参见Memory)、外部数据(参见Indexes)、其他 LLM(参见Chains)以及 LLM 无法处理的任务的其他代理(例如,计算或搜索)。总的来说,有六大核心模块:Models:
Python之王
0
【第127期】推荐常用的国内外AI大模型
概述 多个国内外的AI大模型及其特点。以下是一些被提及的AI大模型和平台:全球大模型:ChatGPT:由OpenAI开发,支持多种语言,包括中文。Claude:由Anthropic开发,擅长深层次语言模式和复杂推理。Gemini:由Google Research开发,擅长自然语言理解和生成。Mis
前端微服务
0
你真的理解 devDependencies 和 dependencies 的区别吗?
点击上方 前端Q,关注公众号回复加群,加入前端Q技术交流群作者:井柏然原文:https://juejin.cn/post/7135795969370619918你是否真的理解 devDependencies 和 dependencies 的区别?如果不能确切的回答、理解还停留在模糊的阶段,
前端Q
0
为啥大模型还没完全取代你?
点击下方“JavaEdge”,选择“设为星标”第一时间关注技术干货!免责声明~任何文章不要过度深思!万事万物都经不起审视,因为世上没有同样的成长环境,也没有同样的认知水平,更「没有适用于所有人的解决方案」;不要急着评判文章列出的观点,只需代入其中,适度审视一番自己即可,能「跳脱出来从外人的角度看看现
JavaEdge
0
会写代码的总理!全球第一“开源”名门望族
转自:OSC开源社区4 月 15 日,新加坡总理公署发表声明宣布,总理李显龙将于 5 月 15 日辞职,并正式交棒给副总理兼财政部长黄循财。对于李氏家族下一代是否会继续活跃在新加坡政坛,目前外界说法不一。但在开源圈里,李氏家族绝对有一席之地。李显龙有 4 名子女,其本人、次子,以及幼子都有非常专业的
开源前哨
0
面试官:MySQL 上亿大表,如何深度优化?
来源:cnblogs.com/YangJiaXin/p/10828244.html背景分析测试实施索引优化后delete大表优化为小批量删除总结前段时间刚入职一家公司,就遇上这事!背景XX实例(一主一从)xxx告警中每天凌晨在报SLA报警,该报警的意思是存在一定的主从延迟(若在此时发生主从切换,需要
好好学java
0