opentsp 1.1.3

打开TSP

这个库的目的是尽可能容易地生成和测试tsp实例，并根据假设进行测试，以及使用蛮力解决它们进行比较。
这是我的第一个主要项目，在过去的六个月里学习了python，所以如果你有风格方面的建议，我很想听听。

我们的目标是使这个库更易于使用，请随时通过电子邮件向我发送您认为有帮助的任何功能。

如果你想贡献解决算法的实现，那么我很高兴听到你！目前我已经实现了蛮力和凸壳。不过，我希望在库中包含一长串算法，如christofides和branch and bound。不过，我自己并不具备实现这些目标的知识。
这就是为什么我要把opentsp制作成一个开源库，希望其他发现它有用的人能加入进来。如果您有建议或代码，请在github页面上创建一个pull请求，我会很快将链接放到上面。

开始

使用pip在本地环境中安装opentsp

pip install opentsp

然后，在模块顶部：

from opentsp.objects import Generator

创建TSP实例

要创建包含八个节点的随机tsp实例，请使用控制台：

>>> from opentsp.objects import Generator
>>> gen = Generator()
>>> instance = gen.new_instance(8)

如果要获得与这些示例中相同的值，请使用以下输入：

>>> instance = gen.new_instance(8, source='seed', seed=1234) 

要查看这会产生什么效果：

>>> instance
Seed: 1234
Node count: 8
Edge count: 56
Nodes: {1: (47, 83), 2: (38, 53), 3: (76, 24), 4: (15, 49), 5: (23, 26), 6: (30, 43), 7: (30, 26), 8: (58, 92)}
Edges: {1: ((47, 83), (38, 53), None, False, 0, good, 0), 2: ((47, 83), (76, 24), None, False, 0, good, 0), 3:...}
Distance matrix: None
Solve time: None
Results: None

它有一个种子，用于生成随机节点。节点和边的数量不是对象属性，它们来自两个类方法，我发现将这些信息作为打印表示的一部分很方便。
然后显示实际的节点和边、距离矩阵（如果生成）、求解时间（如果强制执行）和结果。 结果是算法的字典，它们的结果作为节点的路径。 这里需要注意的是，边的长度只在第一次需要时计算，并且只计算一次。所以在边上可以看到一个"none"值，因为长度还没有计算出来。稍后我将更详细地介绍边缘类属性。

该实例有一系列方法用于访问tsp问题的不同属性，例如：

• 节点数

>>> instance.num_nodes
8

• 边数

>>> instance.num_edges
56

• x和y值，例如：

>>> instance.x_values
[47, 38, 76, 15, 23, 30, 30, 58]

• 边缘长度：

>>> instance.edge_lengths_as_list
[7.0, 7.0, 12.806248474865697, 12.806248474865697, 14.212670...]

• 最短边：

pip install opentsp

<等><李>

实例也可以解决，目前默认的解决方法是蛮力。 然后，您可以打印实例的结果字典来查看结果。

pip install opentsp

实例可以从多种来源生成，目前这些来源是：

• 随机
  将为该实例生成一个随机8位种子，并由此种子生成具有随机值的节点。
• 种子
  传入一个整数用作种子。当您想要重现一系列随机实例时，这主要是有帮助的。当传入您自己的种子时，请确保设置source=seed，否则将忽略您传递的种子。
  例如，inst=generate.generator.new_实例（5，source=，seed=123）
• csv
  目前，这需要一个csv，它有两列x和y坐标值。最上面一行必须有标题"x"和"y"。

也可以通过matplotlib查看任何实例，请尝试下面的两个命令：

pip install opentsp

（以上结果参数中传递的字符串应与实例的实例.results字典中的键匹配。如果问题在不需要暴力的情况下解决，那么"暴力"键将不存在。然而，"最优解"如果找到解决方案，则始终存在"操作"键。）

假设检验算法示例

下面是一个示例算法，它利用open tsp的特性，根据一个假设生成并测试许多实例：

pip install opentsp

此函数将生成多达一百万个实例，对每个实例进行测试，以查看解决方案中是否存在最短边，或者是否在第13行使用if测试：if shortest_edge in edge路径：
当测试失败时，它显示使用matplotlibem>失败的实例，并突出显示最短边p.view（plot_se=true）
正如您所看到的，在19行代码中，只需几行代码就可以测试一个假设，实际上这几行代码只涉及生成tsp实例并获取其属性。
此外，如上例所示，您可以使用solve=true作为生成实例的一部分来求解实例。请记住，这很可能是一个强力的解决方案，因此，如果不在功能强大的超级计算机上运行代码，尝试在20节点的问题上执行此操作将需要相当长的时间。

使用自己的算法

若要使用自己的算法，请使用适当的名称定义函数，并将实例作为参数。

pip install opentsp

pip install opentsp