算法报告旅行商问题模板研讨.doc

《算法设计与课程设计》 题 目： TSP问题多种算法策略 班 级： 计算机技术14 学 号： 姓 名： 指导老师： 完成日期： 成 绩： 旅行商问题的求解方法 摘要 旅行商问题（TSP问题）时是指旅行家要旅行n个城市然后回到出发城市，要求各个城市经历且仅经历一次，并要求所走的路程最短。该问题又称为货郎担问题、邮递员问题、售货员问题，是图问题中最广为人知的问题。本文主要介绍用动态规划法、贪心法、回溯法和深度优先搜索策略求解TSP问题，其中重点讨论动态规划法和贪心法，并给出相应求解程序。 关键字：旅行商问题；动态规划法；贪心法；回溯法；深度优先搜索策略 1引言 旅行商问题(TSP)是组合优化问题中典型的NP-完全问题，是许多领??内复杂工程优化问题的抽象形式。研究TSP的求解方法对解决复杂工程优化问题具有重要的参考价值。关于TSP的完全有效的算法目前尚未找到，这促使人们长期以来不断地探索并积累了大量的算法。归纳起来，目前主要算法可分成传统优化算法和现代优化算法。在传统优化算法中又可分为：最优解算法和近似方法。最优解算法虽然可以得到精确解，但计算时间无法忍受，因此就产生了各种近似方法，这些近似算法虽然可以较快地求得接近最优解的可行解，但其接近最优解的程度不能令人满意。但限于所学知识和时间限制，本文重点只讨论传统优化算法中的动态规划法、贪心法、回溯法和深度优先搜索策略。 2正文 2.1动态规划法 2.1.1动态规划法的设计思想 动态规划法将待求解问题分解成若干个相互重叠的子问题，每个子问题对应决策过程的一个阶段，一般来说，子问题的重叠关系表现在对给定问题求解的递推关系（也就是动态规划函数）中，将子问题的解求解一次并填入表中，当需要再次求解此子问题时，可以通过查表获得该子问题的解而不用再次求解，从而避免了大量重复计算。 2.1.2 TSP问题的动态规划函数 假设从顶点i出发，令表示从顶点i出发经过中各个顶点一次且仅一次，最后回到出发点i的最短路径长度，开始时，，于是，TSP问题的动态规划函数为： 2.1.3算法分析 （1）for (i=1; iN; i++) //初始化第0列 d[i][0]=c[i][0]; （2）for (j=1; j -1; j++) for (i=1; in; i++) //依次进行第i次迭代 if (子集V[j]中不包含i) 对V[j]中的每个元素k，计算V[m] == V[j]-k; d[i][j]=min(c[i][k]+d[k][m]); （3）对V[ -1]中的每一个元素k，计算V[m] == V[ -1]-k; d[0][ -1]=min(c[0][k]+d[k][m]); （4）输出最短路径长度d[0][ -1]; 2.1.4时间复杂性 动态规划法求解TSP问题，把原来的时间复杂性是O(n!)的排列问题，转化为组合问题，从而降低了算法的时间复杂性，但它仍需要指数时间。 2.2贪心法 2.2.1贪心法的设计思想 贪心法在解决问题的策略上目光短浅，只根据当前已有的信息就做出选择，而且一旦做出了选择，不管将来有什么结果，这个选择都不会改变。换言之，贪心法并不是从整体最优考虑，它所做出的选择只是在某种意义上的局部最优。这种局部最优选择并不总能获得整体最优解，但通常能获得近似最优解。 2.2.2最近邻点策略求解TSP问题 贪心法求解TSP问题的贪心策略是显然的，至少有两种贪心策略是合理的：最近邻点策略和最短链接策略。本文仅重点讨论最近邻点策略及其求解过程。 最近邻点策略：从任意城市出发，每次在没有到过的城市中选择距离已选择的城市中最近的一个，直到经过了所有的城市，最后回到出发城市。 2.2.3算法分析 1．P={ }; 2．V=V-{u0}; u=u0; //从顶点u0出发 3．循环直到集合P中包含n-1条边 3.1查找与顶点u邻接的最小代价边(u, v)并且v属于集合V； 3.2 P=P+{(u, v)}; 3.3 V=V-{v}; 3.4 u=v; //从顶点v出发继续求解 2.2.4时间复杂性 但需注意，用最近邻点贪心策略求解TSP问题所得的结果不一定是最优解。当图