TSP的几种求解方法及其优缺点的认识.doc

TSP的几种求解方法及其优缺点 一、什么是TSP问题 旅行商问题，简称TSP，即给定n个城市和两两城市之间的距离，要求确定一条经过各城市当且仅当一次的最短路线。其图论描述为：给定图G=（V，A），其中V为顶点集，A为各顶点相互连接组成的边集，（dij=dji，Πi，j=1，2，3，，n）（dijdji，?i，j=1，2，3，，n）若对于城市V={v1，v2，v3，，vn}T={t1，t2，t3，，ti，，tn}，ti∈V（i=1，2，3，，n），minL=。 TSP是一个典型的组合优化问题，并且是一个NP完全难题，是诸多领域内出现的多种复杂问题的集中概括和简化形式，并且已成为各种启发式的搜索、优化算法的间接比较标准。因此，快速、有效地解决TSP有着重要的理论价值和极高的实际应用价值。 二、主要求解方法 基于TSP的问题特性，构造型算法成为最先开发的求解算法，如最近邻点、最近合并、最近插入、最远插入、最近添加、贪婪插入等。但是，由于构造型算法优化质量较差，迄今为止已开发了许多性能较好的改进型搜索算法，主要有： 1）2）4）5）6）1）4）0.1）5）6）1）2）3）4）5）6）7）=1，A=B=500，C=200，D=500，u0=0.02X∑iVXi=n以利于收敛[7]。利用数值计算方法对此微分方程组求解，经若干次迭代即可求得网络各神经元的最终状态。 2.4　蚁群算法方法 蚁群算法与其他模拟进化算法一样，通过候选解组成的群体进化过程来寻找最优解。求解TSP的工作过程为：首先将m只蚂蚁按照一定的规则（例如随机）分布在n个城市，然后每一只蚂蚁寻找出一条可行路径并进行局部信息更新，最后寻出所有蚂蚁找到的最好路径进行全局信息更新。 2.5　遗传算法方法 近年来，遗传算法已被成功的应用于工业、经济管理、交通运输、工业设计等不同领域，解决了许多问题。基于遗传算法求解TSP的算法实现，以下几个方面需要说明： 遗传基因编码方法：目前主要有以下三种比较有效的方法： ①顺序表示 ②路径表示 ③布尔矩阵表示 2）），，1）），k0.52229n+1.31572n-3.07474nn。Bonomi和Lutton建议采用k=0.749。 2）TSP公共测试实例库（TSPLIB[18]）。它还提供了有文献报道的最优解或目前已知的最好解。 四、结论 对于TSP，目前还不存在能找到完美解的方法，这个问题是NP难的：目前还没有任何算法能在与城市总数呈多项式关系的时间复杂性下找到完美解。我们只能产生一些近似完美解，在合理的运行时间里使其与完美解尽可能的接近。 从目前发表的各种求解TSP的论文的结论来看，少于100个城市的TSP例子很适合于用全局优化技术求解，但是要考虑城市规模比这大得多的TSP实例则需要采用启发式方法。 为了进一步提高算法的全局优化能力，避免搜索过程陷入局部极小，现已提出的改进策略主要有：并行多邻域搜索，平滑优化曲面形状，引进重升温、熵抽样等高级技术等。对于复杂优化问题，单一机制的优化算法很难实现全局优化，且效率较低。多种优化机制和邻域搜索结构相混合，是能较大程度提高全局优化度和鲁棒性的有力途径，并可一定程度上放松对单一算法参数选择的苛刻性。所以混合优化策略会是一种趋势。 对于TSP的求解，我认为以后在以下几个方面可能会有很好的进展：1）；2）；3）