tsp_dataset_brazilian_cities

巴西州府旅行商问题数据集，包含巴西各州府之间的距离组合数据。

The Brazilian State Capital Traveling Salesman Problem Dataset includes distance combination data between the capitals of various states in Brazil.

原始信息汇总

巴西各州首府旅行商问题距离组合数据集

数据集内容

• results 文件夹包含以下文件：
  • states.csv：巴西各州首府的纬度和经度。
  • states_line.json：包含各州名称及所有可能城市对之间的直线距离（公里）。
  • states_gmaps.json：包含各州名称及所有可能城市对之间的Google地图距离（公里），部分组合结果为NaN，因为不存在直达路线。
  • states_merged.json：替换states_gmaps.json中的NaN值为states_line.json中的距离。
  • 其他.csv文件：上述JSON文件对应的邻接矩阵。

数据集用途

该数据集用于解决巴西各州首府间的旅行商问题，提供不同计算方法下的距离数据，包括直线距离和Google地图计算的实际路线距离。

搜集汇总

数据集介绍

构建方式

该数据集名为tsp_dataset_brazilian_cities，专门用于巴西各州首府之间的旅行商问题（TSP）。数据集通过多种方式构建，首先利用`states_coords.csv`文件记录了每个巴西州首府的经纬度信息。随后，通过`line.py`脚本计算了所有可能的城市对之间的直线距离，并存储于`states_line.json`文件中。此外，利用Google Maps API获取了实际道路距离，存储于`states_gmaps.json`文件中。对于某些无法通过Google Maps获取的距离，使用`merge.py`脚本从`states_line.json`中补充，最终生成`states_merged.json`文件。

特点

该数据集的显著特点在于其多源数据的整合与互补。首先，`states_coords.csv`提供了精确的经纬度信息，为地理计算奠定了基础。其次，`states_line.json`和`states_gmaps.json`分别提供了直线距离和实际道路距离，满足了不同场景下的需求。特别是`states_merged.json`文件，通过智能合并，确保了数据的完整性和实用性。此外，数据集还提供了将JSON格式转换为邻接矩阵的工具，便于进一步的分析和应用。

使用方法

使用该数据集时，首先需确保Python环境满足要求，并安装所需的依赖包。通过执行`line.py`、`gmaps.py`和`merge.py`脚本，用户可以分别获取直线距离、实际道路距离以及合并后的完整数据。对于需要将数据转换为邻接矩阵的场景，可使用`json2csv.py`脚本进行转换。此外，用户需注意，使用Google Maps API时需提供有效的API密钥，以确保数据的准确获取。

背景与挑战

背景概述

tsp_dataset_brazilian_cities数据集专注于解决巴西各州首府之间的旅行商问题（TSP）。该数据集由一组研究人员或机构创建，旨在通过提供巴西各州首府的经纬度坐标及各城市对之间的距离信息，来支持TSP问题的研究与应用。数据集的核心研究问题是如何在考虑实际地理距离和可能的路线限制的情况下，找到最优的旅行路径。这一研究不仅对优化算法领域具有重要意义，也为物流、交通规划等实际应用提供了理论支持。

当前挑战

该数据集在构建过程中面临多项挑战。首先，获取巴西各州首府的精确经纬度坐标及城市间距离信息是一项复杂任务，尤其是当某些城市间不存在直接路线时，需通过替代方法估算距离。其次，利用Google Maps API获取的距离数据中，部分组合因缺乏实际路线而返回NaN值，需通过其他方法进行填补。此外，将这些复杂的数据结构转化为便于分析的邻接矩阵格式，也增加了数据处理的难度。这些挑战不仅影响了数据集的完整性和准确性，也对后续的算法设计和优化提出了更高的要求。

常用场景

经典使用场景

tsp_dataset_brazilian_cities数据集的经典使用场景主要集中在解决旅行商问题（TSP），特别是在巴西各州首府之间的最短路径优化。该数据集提供了巴西各州首府的经纬度坐标以及所有可能的城市对之间的直线距离和基于Google Maps的实际距离。研究者可以利用这些数据来构建和优化旅行商问题的解决方案，探索如何在巴西各州首府之间找到最短的旅行路径。

衍生相关工作

基于tsp_dataset_brazilian_cities数据集，许多研究工作得以展开，包括但不限于改进的TSP算法、多目标优化路径规划以及动态路径调整策略。这些工作不仅在学术界引起了广泛关注，也在实际应用中得到了验证，推动了相关领域的技术进步。

数据集最近研究

最新研究方向

在旅行商问题（TSP）领域，tsp_dataset_brazilian_cities数据集因其包含了巴西各州首府之间的距离组合而备受关注。该数据集不仅提供了基于直线距离的计算结果，还整合了Google Maps的实际距离数据，填补了某些无法通过传统方法计算的路线空白。这一特性使得该数据集在优化算法研究中具有重要价值，尤其是在考虑实际地理限制和交通网络复杂性的情况下。此外，数据集的多样性和完整性为研究者提供了丰富的实验场景，推动了TSP在物流、交通规划等实际应用中的前沿探索。