旅行商问题随机生成15个点的坐标,其中一个为仓库,另外14个为需求点,考虑一辆车从仓库出发,访问14个节点并回到仓库设计最短路径,利用最近邻算法，给出Python代码

旅行商问题（Traveling Salesman Problem, TSP）是一个经典的组合优化问题，目标是最小化一个巡回路线的总长度，其中包含对所有城市的访问一次。在您的场景下，我们可以使用Python的`numpy`库来创建随机点，并使用最近邻搜索找到初始路径。这里是一个简化的示例：

import numpy as np

# 随机生成15个二维坐标 (x, y)
np.random.seed(42)  # 设置随机种子保证结果可复现
points = np.random.rand(15, 2) * 100  # 创建15个点，每个点有x和y坐标

# 设定仓库位置为最后一个点
warehouse = points[-1]
demand_points = points[:-1]

# 使用最近邻算法找到第一个非仓库点作为起点
def nearest_neighbor(start, others):
    return min(others, key=lambda p: np.linalg.norm(p - start))

# 初始化路径，将仓库加入到列表中
path = [warehouse]
current = warehouse

for _ in range(len(demand_points)):
    current = nearest_neighbor(current, demand_points)
    path.append(current)

# 最后回溯到仓库
path.append(path[0])

print("初始路径:", path)
print("路径长度:", np.sum(np.linalg.norm(np.diff(points[path]), axis=1)))

#