def get_up(CityNum, Dist):
"""
函数名：get_up(CityNum,Dist)
函数功能： 通过贪心算法求取目标函数的上界
输入 1 CityNum：城市数量
2 Dist：城市间距离矩阵
输出 1 Path_Up：分支界限法的上界
其他说明：无
"""
Path_Up = Greedy.GreedyMethond(CityNum, Dist)[0]
return Path_Up
for i in range(layer,CityNum):
#判断是否符合剪枝条件，不符合则继续执行
if IsPrun(layer,i):
continue
else:
Curpath[i],Curpath[layer] = Curpath[layer],Curpath[i] # 路径交换一下
BackTrackingMethod(Dist, CityNum, layer+1)
Curpath[i],Curpath[layer] = Curpath[layer],Curpath[i] # 路径交换回来
##############################程序入口#########################################
if __name__ == "__main__":
Position,CityNum,Dist = GetData("./data/TSP10cities.tsp")
Curpath = np.arange(CityNum)
Min_Path=0
BestPath=[]
Cur_Min_Path = Greedy.GreedyMethond(CityNum,Dist)[0]
start = time.clock() #程序计时开始
BackTrackingMethod(Dist,CityNum,1) #调用回溯法
end = time.clock() #程序计时结束
print()
ResultShow(Min_Path,BestPath,CityNum,"回溯法")
print("程序的运行时间是：%s"%(end-start))
draw(BestPath,Position,"BackTracking Method")
"""
结果：
回溯法求得最短旅行商经过所有城市回到原城市的最短路径为：
0->4->6->7->1->3->2->5->8->9->0
总路径长为：10127.552143541276
