基于最小调整法求解旅行商问题.docVIP

基于最小调整法求解旅行商问题 　　摘 要 介绍了一种求解旅行商问题的新算法“最小调整法”，给出了该算法求解旅行商问题的具体步骤以及有效性证明，对算法的复杂性及近似程度进行了分析.最后通过典型算例进行了检验说明.与经典算法相比，新算法体现了简单易行的特点，对求解旅行商问题具有一定的启发意义. 　　关键词 旅行商问题；最小调整法；算法有效性 　　中图分类号 O221.4 文献标识码 A 　　1 引 言 　　旅行商问题（Traveling Salesman Problem，简称TSP）是著名的组合优化问题[1].经典的TSP问题可描述为：设有n个城市1，…，n，由i城市到j城市的路程dij已知，一个旅行商为了推销货物，从某一城市出发，如何选择一条最优路线可以经过所有其他城市，且每个城市正好经过一次，然后回到出发点.容易看出，旅行商有（n-1）！种方案可供选择.即使n是较小的两位数，这类问题仍没有较好的有效算法，因此被称为NPcomplete问题.但是TSP问题在组合优化问题中具有广泛实际背景和深刻经济含义.例如，在计算机的集成电路设计中就出现了这一问题，还包括派车、排序、底板布线、考古学中的排号、自动钻井、工件加工顺序和邮局收发信件等其他许多方面，所有这些需要促使学者们不断地研究TSP问题的算法[2].目前国内外求解TSP问题的较好算法有遗传算法、神经网络算法、模拟退火算法、蚁群算法和粒子群算法等[3-7]，这些算法中遗传算法具有较好的全局搜索能力，但优化过程缓慢，结果准确度不高；粒子群算法局部搜索能力较弱；蚁群算法等存在计算速度较慢等缺点.因此，以这些算法为基础，较多学者相继提出了改进的算法以更好地求解TSP问题[8-13]. 　　2 最小调整法求解TSP问题的思想和步骤 　　最小调整法[14]是以Dijkstra算法[15]为实现途径的一种多项式算法.本文根据最小调整法，给出了求解TSP问题的一种新的有效启发式算法.该算法较 　　之以往常用的启发式算法更加简单易行，计算量仅为O（n2），并且由此得到的近似解一般更接近最优解. 　　下面首先根据指派问题和TSP问题的异同点比较，然后提出将TSP问题先看做指派问题利用最小调整法求解[16]的具体步骤. 　　2.1 TSP问题与指派问题的异同 　　对比指派问题和TSP问题，它们有如下异同点： 　　第一，指派问题中，第i项任务可以由第i人去完成，因此其解可以在效率矩阵（成本）矩阵的主对角线上；但TSP问题中不存在从Ai城市到Ai城市的情况，其解显然不会出现在距离矩阵的主对角线上，即有i≠j的约束条件. 　　第二，对于有n个人的指派问题，其解由n项任务所组成，这些任务在效率矩阵中既不同行又不同列；对于有n个城市的TSP问题，其解由n段行程构成，这些行程在距离矩阵中既不同行又不同列. 　　第三，xij=1或0表示指派问题的解，则效率矩阵任一行、任一列的效率参数之和均为1，即∑ni=1xij=1且∑nj=1xij=1（i，j=1，…，n），即每个任务只有一个人承担，每个人只能承担一项任务.TSP问题中∑ni=1xij=1且∑nj=1xij=1（i，j=1，…，n），即在回路上仅由1个城市出发至第j个城市；从第i个城市出发仅通往1个城市，即所有中间城市仅通过一次. 　　第四，指派问题不存在回路问题，但TSP问题解的各段行程首尾相接，必然构成一个回路. 　　通过比较指派问题和TSP问题的特点，上述第一和第四点说明指派问题与TSP问题有区别，第二和第三点则是相同的.如果置TSP问题原始距离矩阵主对角线元素为一个相当大的正数M或记为“×”时，把TSP问题当作指派问题去求解，这种指派问题就具备了TSP问题的第一和第四点中某些特点了，然后再对该解检验其作为TSP问题的可行性. 　　2.2 最小调整法求解TSP问题的思想步骤 　　若把带权完全图G当前结点当成任务的承担者，另外结点当成任务，边的权（城市间距离）为完成任务所用时间，则寻求最优Hamilton回路[14，15]是把图中结点怎样与别的结点进行单一指派，使每个结点既是一个结点的任务承担者，又是另一个结点的任务，这种指派使完成任务时间最短以及满足这些指派所确定的路径（旅行商走过的路径即指派路径）构成一个回路的条件.指派路径构成一个回路是在一般指派问题中增加的条件. 　　设TSP问题的关系矩阵为C 　　其中元素cij表示由第i城市到第j城市的距离. 　　步骤1 取每列的一个最小值画圈，即得到一个最小方案.若这些画圈元素又分属于不同行，则得到相应指派问题的最优解，转步骤3；否则转步骤2. 　　步骤2 应把有两个或两个以上画圈元素行中的一个改画到同列别处，待到某一无圈行中有一元素画上圈，则算一次调整.如此进行，直到