これは、巡回セールスマンの最適化問題とハミルトニアン パスまたはサイクル決定問題のヒューリスティックを実装するように求められたプロジェクトです。実装自体に支援は必要ありませんが、今後の方向性について質問があります。
私はすでに、遺伝的アルゴリズムに基づく TSP ヒューリスティックを持っています。これは、完全なグラフを想定し、母集団として一連のランダムな解から開始し、世代数にわたって母集団を改善するように機能します。ハミルトニアン パスまたはサイクルの問題を解くためにも使用できますか? 最短経路を取得するように最適化する代わりに、経路があるかどうかを確認したいだけです。
これで、完全なグラフにはハミルトニアン パスが含まれるため、TSP ヒューリスティックを任意のグラフに拡張する必要があります。これは、2 つの都市の間にパスがない場合にエッジを無限値に設定し、有効なハミルトニアン パスである最初のパスを返すことで実行できます。
それはそれにアプローチする正しい方法ですか？または、ハミルトン パスに別のヒューリスティックを使用する必要がありますか? 私の主な関心事は、TSP 最適化が機能することをある程度確信できるため (ソリューションから始めてそれらを改善するため)、それが実行可能なアプローチであるかどうかです。
最善のアプローチは自分でテストすることだと思いますが、時間に制約があるため、このルートをたどる前に尋ねると思いました...（代わりに、ハミルトンパスの別のヒューリスティックを見つけることができました）