最佳答案
由于这两种技术都不能保证最佳解决方案,因此您的里程会有所不同。运气好的话,任何一种技术都可以胜过另一种。这两种技术各有利弊。
最近邻:+fast,+simple,-通常不是最优的
遗传算法:-更慢,-更复杂,+随着时间的推移,解决方案趋向于最优
最大的不同在于随机算法,如 simulated annealing并且遗传算法可能会随着时间的推移不断改进——让它们运行的时间越长,获得最佳解决方案的机会就越大(尽管不能保证)。
由于 NN 速度很快,因此没有什么能阻止您结合这些技术。运行 NN 以找到可能优于随机的起始解决方案。然后,将该解决方案输入到您的遗传算法中,只要您认为合适就让它运行。
如果您对最佳解决方案感兴趣,请查看 Lin-Kernighan heuristic和 Linear Programming .两者都用于为大型旅游寻找最佳解决方案,包括 this solution对于 85,900 city tour和一个 24,978 city Sweden tour .
Georgia Tech TSP site是一个很好的资源。
关于artificial-intelligence - 哪种方法在 TSP 问题 : nearest neighbour or genetic algorithms? 中产生较短的游览,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/356207/