python-tsp 0.1.0

安装

pip install python-tsp

示例

将距离矩阵作为一个数阵，很容易计算出哈密顿量 成本最低的路径。例如，要使用动态规划方法：

解决方案是[0, 1, 3, 2]，总距离为17。注意到了 始终是一条闭合路径，因此在节点2之后，我们返回到0。在

用元启发式方法解决同样的问题：

frompython_tsp.heuristicsimportsolve_tsp_simulated_annealingpermutation,distance=solve_tsp_simulated_annealing(distance_matrix)

请记住，作为元启发式，解决方案可能会因执行而有所不同 执行，并没有最佳的保证。但是，它可能是 在更大的情况下更快的选择。在

如果您使用的是开放TSP版本（不需要返回到 原点），只需将距离矩阵第一列的所有元素设置为 零：

distance_matrix[:,0]=0permutation,distance=solve_tsp_dynamic_programming(distance_matrix)

在这个例子中，我们得到距离为12的[0, 2, 3, 1]。在

前面的例子假设你已经有了一个距离矩阵。如果不是的话 在这种情况下，distances模块准备了一些函数来计算 欧几里得距离矩阵或 Great Circle Distance。在

例如，如果您有一个数组，其中每一行都有纬度和经度 有一点

importnumpyasnpfrompython_tsp.distancesimportgreat_circle_distance_matrixsources=np.array([[40.73024833,-73.79440675],[41.47362495,-73.92783272],[41.26591,-73.21026228],[41.3249908,-73.507788]])distance_matrix=great_circle_distance_matrix(sources)

参见project’s repository 更多示例和可用方法列表。在