def optimize(self,
iterations=10,
swap=2,
**kwargs) -> Tuple[float, np.ndarray]:
""" Запуск метаэвристики табу поиска
Алгоритм запоминает все локальные минимумы, и, если попадает в одно из них, перезапускает поиск
iterations: количество возможных перезапусков
swap: сколько раз ломать тур за итерацию. Если тур не улучшится, на следующей итерации ломается он же
return: лучшая длина тура, лучший тур
"""
if self.collector is not None:
self.collector.update({'length': self.length, 'gain': 0})
while iterations > 0:
self.opt.meta_heuristic_optimize(self.data, self.collector)
_length, _tour = self.best_tour()
if self.length > _length:
self.length, self.tour = _length, _tour # если найден другой хороший оптимум, обновляем текущий
assert round(get_length(self.tour, self.matrix), 2) == round(self.length, 2), \
f'{get_length(self.tour, self.matrix)} != {self.length}'
logging.info(f'{iterations} : {_length} : {self.length}')
mix(self.tour, swap) # а вот ломается текущий сохраненный
self.length = get_length(self.tour, self.matrix)
self.opt.length, self.opt.tour = self.length, self.tour.copy(
) # улучшается только копия
iterations -= 1
self.length, self.tour = self.best_tour()
logging.info(f'tabu search done, best length: {self.length}')
return self.length, self.tour
def worker(opt: AbcOpt, conn: Connection, iterations: int, swap: int):
""" Локальный поиск под управлением Поиска с запретами
Табу обновляется раз в итерацию, в основном процессе хранится весь табу
opt: эвристика
conn: для передачи данных
iterations: количество возможных перезапусков
swap: сколько раз ломать тур за итерацию
"""
best_length, best_tour = opt.length, opt.tour.copy()
length, tour = opt.length, opt.tour
try:
while iterations > 0:
_length, _tour = opt.optimize()
if best_length > _length:
best_length, best_tour = _length, _tour.copy()
assert round(get_length(best_tour, opt.matrix), 2) == round(best_length, 2), \
f'{get_length(best_tour, opt.matrix)} != {best_length}'
conn.send(opt.solutions)
solutions = conn.recv()
mix(tour, swap)
length = get_length(tour, opt.matrix)
opt.length, opt.tour, opt.solutions = length, tour, solutions
iterations -= 1
except Exception as exc:
print(f'Exception: {exc}')
conn.send(set())
conn.send(best_length)
conn.send(best_tour)
def test_lk_opt_full_bridge(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
lk_opt = LKOpt(length, tour, matrix, bridge=(1, True))
opt_length, opt_tour = lk_opt.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_lk_opt_simple(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
lk_opt = LKOpt(length, tour, matrix, dlb=False)
opt_length, opt_tour = lk_opt.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_three_opt(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
three_opt = ThreeOpt(length, tour, matrix)
opt_length, opt_tour = three_opt.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_tabu_proc_search(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
lkh_search = TabuProcSearch('two_opt', matrix)
opt_length, opt_tour = lkh_search.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_lkh_search_with_two_opt_init(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
lkh_search = LKHSearch(matrix, two_opt=True)
opt_length, opt_tour = lkh_search.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_lkh_search_helsgaun(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
lkh_search = LKHSearch(matrix, init='helsgaun')
opt_length, opt_tour = lkh_search.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_tabu_search_with_collect(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
tabu_search = TabuSearch('two_opt', matrix, collect=True)
opt_length, opt_tour = tabu_search.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_tabu_search_lkh_opt(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
tabu_search = TabuSearch('lkh_opt', matrix)
opt_length, opt_tour = tabu_search.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_lkh_opt_non_seq(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
lkh_opt = LKHOpt(length, tour, matrix, bridge=True, non_seq=True)
opt_length, opt_tour = lkh_opt.optimize()
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def optimize(self, iterations=10, **kwargs) -> Tuple[float, np.ndarray]:
""" Запуск метаэвристики Multi trial LKH
iterations: количество возможных перезапусков
return: лучшая длина тура, лучший тур
"""
if self.collector is not None:
self.collector.update({'length': self.length, 'gain': 0})
while iterations > 0:
self.opt.meta_heuristic_optimize(self.data, self.collector)
_length, _tour = self.best_tour()
if self.length > _length:
self.length, self.tour = _length, _tour # если найден другой хороший оптимум, обновляем текущий
self.opt.best_solution = get_set(self.tour)
assert round(get_length(self.tour, self.matrix), 2) == round(self.length, 2), \
f'{get_length(self.tour, self.matrix)} != {self.length}'
logging.info(f'{iterations} : {_length} : {self.length}')
if self.initial == 'helsgaun' or self.initial == 'fast_helsgaun':
self.opt.length, self.opt.tour = _initialization[self.initial](
self.opt.alpha,
self.matrix,
self.opt.best_solution,
self.opt.candidates,
self.opt.excess)
else:
self.opt.length, self.opt.tour = _initialization[self.initial](self.matrix)
assert round(get_length(self.opt.tour, self.matrix), 2) == round(self.opt.length, 2), \
f'{get_length(self.opt.tour, self.matrix)} != {self.opt.length}'
iterations -= 1
self.length, self.tour = self.best_tour()
logging.info(f'multi trial lkh done, best length: {self.length}')
return self.length, self.tour
def meta_heuristic_optimize(
self, tabu_list: TabuSet,
collector: Optional[Collector]) -> Tuple[float, np.ndarray]:
""" Запуск локального поиска под управление некоторой метаэвристики
tabu_list: проверенные ранее маршруты
collector: структура для сбора данных о локальном поиске
return: длина, список городов
"""
gain, self.tabu_list, self.collector = 1, tabu_list, collector
self.solutions = self.tabu_list.data
while gain > 0:
gain = self.improve()
if gain > 1.e-10:
if not self.tabu_list.append(self.length, self.tour):
break
logging.info(self.length)
assert round(get_length(self.tour, self.matrix), 2) == round(self.length, 2), \
f'{get_length(self.tour, self.matrix)} != {self.length}'
return self.length, self.tour
def optimize(self) -> Tuple[float, np.ndarray]:
""" Запуск локального поиска
return: длина, список городов
"""
gain, iteration = 1, 0
logging.info(f'start : {self.length}')
while gain > 0:
gain = self.improve()
if gain > 0:
logging.info(f'{iteration} : {self.length}')
iteration += 1
h = generate_hash(self.tour)
if h in self.solutions:
break
else:
self.solutions.add(h)
assert round(get_length(self.tour, self.matrix), 2) == round(self.length, 2), \
f'{get_length(self.tour, self.matrix)} != {self.length}'
return self.length, self.tour
def test_fast_three_opt(generate_metric_tsp):
length, tour, matrix = generate_metric_tsp
opt_length, opt_tour = ThreeOpt.just_improve(length, tour, matrix)
assert opt_length < length, 'optimized'
assert round(get_length(opt_tour, matrix),
2) == round(opt_length, 2), 'generated wrong tour'
def test_greedy_with_two_opt():
tsp = generator(size)
matrix = adjacency_matrix(tsp)
length, tour = two_opt(matrix)
assert round(get_length(tour, matrix),
2) == round(length, 2), 'generated wrong tour'
