經常使用術語中的旅行推銷員問題（TSP）是最複雜的問題之一，歸結爲組合優化。旅行到n個城市（頂點）須要檢查（n-1）！可能性。3,000個地點有4 * 10 ^ 9131個可能的解決方案。微信
本文調查了R包的性能：TSP和tspmeta。結果對個人使用很是滿意。app
如下代碼輸入您的TSP225.csv文件並輸出您的解決方案和可視化。生成的'tour'對象是一類TOUR和整數;它包含您的解決方案。post
coords.df <- data.frame(long=TSP225$Long, lat=TSP225$Lat) coords.mx <- as.matrix(coords.df) # Compute distance matrix dist.mx <- dist(coords.mx) # Construct a TSP object tsp.ins <- tsp_instance(coords.mx, dist.mx ) # tour <- run_solver(tsp.ins, method="2-opt") #Plot autoplot(tsp.ins, tour)
比較解決方案：下圖顯示了7種啓發式解決方案的最佳旅遊長度和協和式的確切解決方案。對於協和解決方案，我使用了在UW-Madison主持的NEOS-Server。性能
methods <- c("nearest_insertion" "2-opt")
tours <- sapply(methods simplify = FALSE)
dotchart( ),
)
在2D中的＃2 3000個隨機頂點大數據
顯然，隨着頂點數量的增加，精確解和其餘啓發式解決方案之間的差別顯着增長。2-opt解決方案最接近最優。重複的2-opt解決方案和挑選最小的值讓我很是接近於確切的解決方案 。優化
大數據部落 -中國專業的第三方數據服務提供商，提供定製化的一站式數據挖掘和統計分析諮詢服務ui
統計分析和數據挖掘諮詢服務：y0.cn/teradat（諮詢服務請聯繫官網客服）spa
QQ：30253934503d
QQ交流羣：186388004 rest
【服務場景】
科研項目; 公司項目外包;線上線下一對一培訓;數據爬蟲採集;學術研究;報告撰寫;市場調查。
【大數據部落】提供定製化的一站式數據挖掘和統計分析諮詢
歡迎選修咱們的R語言數據分析挖掘必知必會課程！