实验6近似算法的应用-旅行商问题(TSP).docVIP

实验6. 近似算法的应用-旅行商问题(TSP) 实验内容 本实验要求基于算法设计与分析的一般过程（即待求解问题的描述、算法设计、算法描述、算法正确性证明、算法分析、算法实现与测试），通过近似算法在实际问题求解实践，加深理解其基本原理和思想以及求解步骤。求解的问题为TSP。 作为挑战：可以考虑近似算法在其他NPC问题（如顶点覆盖问题等）上的应用。 实验目的 理解采用回溯法或分支限界法求解TSP的核心思想以及求解过程（确定解的形式及解空间组织，分析出搜索过程中的剪枝函数即约束函数与限界函数）； 从算法分析与设计的角度，对TSP问题的基于回溯法或分支限界法求解具有更进一步的理解； 掌握采用近似算法求解NPC问题的方法，并分析算法的近似比。 环境要求 对于环境没有特别要求。对于算法实现，可以自由选择C, C++, Java，甚至于其他程序设计语言。 实验步骤 步骤1：理解问题，给出问题的描述。 步骤2：算法设计，包括策略与数据结构的选择； 步骤3：描述算法。希望采用源代码以外的形式，如伪代码或流程图等； 步骤4：算法的正确性（近似比）证明。需要这个环节，在理解的基础上对算法的正确性给予证明（这里可以略去）； 步骤5：算法复杂性分析，包括时间复杂性和空间复杂性； 步骤6：算法实现与测试。附上代码或以附件的形式提交，同时贴上算法运行结果截图; 步骤7：技术上、分析过程中等各种心得体会与备忘，需要言之有物。 说明：步骤1-6在“实验结果”一节中描述，步骤7在“实验总结”一节中描述。 实验结果 问题描述 某售货员要到若干城市去推销商品，已知各城市之间的路程(或旅费)。他要选定一条从驻地出发，经过每个城市一次，最后回到驻地的路线，使总的路程(或总旅费)最小。 约束条件： a[i][j] != ∞ 限界条件：cl bestlcl+rl bestl（优化 cl: 当前已走的路径长度； rl: 剩余路径长度的下界； bestl: 当前最短路径长度。 分支限界法类似于回溯法，也是一种在问题的解空间树中搜索问题解的算法，常以宽度优先或以最小耗费（最大效益）优先的方式搜索问题的解空间树。 搜索思想： 首先将根结点加入活结点表（用于存放活结点的数据结构）； 接着从活结点表中取出根结点，使其成为当前扩展结点，一次性生成其所有孩子结点，判断孩子结点是舍弃还是保留，舍弃那些导致不可行解或导致非最优解的孩子结点，其余的被保留在活结点表中。再从活结点表中取出一个活结点作为当前扩展结点，重复上述扩展过程，一直持续到找到所需的解或活结点表为空时为止。 由此可见，每一个活结点最多只有一次机会成为扩展结点。 两种分支限界法（活结点表的实现方法）： 队列式分支限界(Queue BB, QBB)法： 按照先进先出 (FIFO) 的原则选取下一个结点作为当前扩展结点。 优先队列式分支限界(Priority Queue BB, PQBB)法： 按照规定的优先级选取队列中优先级最高的结点作为当前扩展结点。 优先队列一般用二叉堆来实现： 最大堆实现最大优先队列，体现最大效益优先； 最小堆实现最小优先队列，体现最小耗费优先。 问题的分析： 解题步骤： 问题的解空间定义：(x1,x2,x3,x4) 解空间的组织结构：深度为4的排列树。 搜索过程中的剪枝函数： 约束条件：a[i][j] != ∞ 限界条件：cl bestl cl+rl bestl（优化） cl: 当前已走的路径长度； rl: 剩余路径长度的下界； bestl: 当前最短路径长度。 以BFS或以最小费用（最大效益）优先方式搜索解空间： 搜索过程中用剪枝函数（隐式约束）避免无效搜索： 约束函数：在扩展结点处剪去得不到可行解的子树； 限界函数：在扩展结点处剪去得不到最优解的子树。 如使用优先队列式分支限界法，则必须确定优先级。 算法设计 队列式分支限界法求解TSP： 解空间定义、解空间的组织结构、剪枝函数（约束条件与限界条件）都与采用回溯法时的相同。 解空间的搜索方式采用宽度优先，这一点与采用回溯法时的深度优先不同： 针对当前扩展结点，一次性生成其孩子结点，并判断这些孩子结点是否满足约束条件和限界条件。如果满足，则将该当前扩展结点的孩子结点插入到活结点表（末尾）；反之，舍弃。 从活结点表中选取待扩展结点时，以先入先出 (FIFO) 的原则。 搜索过程直到找到问题的解或活结点表为空时为止。 4实例演示搜索过程 5.（1）TSP的队列式分支限界法伪代码： Q-BB-TSP(a) x[1]=1,i=1,cl=0,bestl=∞,