简述解决TSP问题智能优化算法.docVIP

简述解决TSP问题智能优化算法【摘要】 本文简述了TSP问题及TSP问题的数学模型，最后论述了求解TSP问题的各种解法，并对几种智能优化算法进行了详细说明。 【关键词】 TSP问题 数学模型 智能优化算法 随着我国经济的持续快速发展，人们对交通运输的各种需求也显著增长。从1999年到2010年，我国公路总长度从130万公里上升到370万公里，增长幅度为185%，同期我国注册的车辆数量由1500万辆上升到8000万辆，增长幅度为433%，明显高于中国公路总长的增长幅度。由于车辆数量的激增，导致城市交通拥堵严重，交通事故频发，物流成本居高不下，物流时效性也无法得到保证。我国物流成本占GDP的比重持续偏高，约为20%，远高于发达国家物流成本占GDP的比重10%，以及中等发达国家的16%。而城市闲置土地资源的紧缺，导致修建和拓宽道路的成本越来越高，且修建和拓宽道路的速度远远赶不上城市车辆的增长速度，此时提高城市道路的利用率、安全性和舒适性以及降低城市物流成本就成为我们急需解决的问题。 物流配送调度系统就是针对以上问题提出的，它能提供可靠的交通信息、高效快速的应急服务，在降低物流成本方面有着显著的成效，能满足现代物流经济性、准时性和灵活性的多种需求。迄今为止，国外研究物流配送调度系统的理论和算法已经不少，并且在实际应用方面取得显著的成果，如美国IBM基于最短路径法和启发式算法研究出来的VSPX系统，日本富士通以节约法为核心研发出来的VSS系统，以及美国美孚以扫描法为核心研究出来的HPCAD系统。但是国内在这方面的研究仅停滞于初步理论阶段，在开发实用的物流配送调度系统方面还是一片空白。造成这种现象的根本原因在于大部分算法只考虑了TSP（Traveling salesman problem）问题的部分约束条件，且设置了许多假设条件，限制了他们的应用范围，在实际应用中缺乏灵活性。由于研发物流配送调度系统的核心在于解决贴合实际的TSP问题，因此研究可以妥善解决TSP问题的算法，并在此基础上开发出智能的物流配送调度系统具有现实的理论意义和实践意义。 一、TSP问题 1、TSP问题的简介 TSP问题也称旅行推销员问题、货郎担问题，是经典的组合优化问题，最早的记录来自于1759年欧拉研究的骑士周游问题，即对象棋中的64个方格，走访每个方格有且仅有一次。TSP问题的历史可以分成以下几个阶段：1800―1900年，首次描述TSP问题；1920―1930年，TSP问题得到较好的定义；1940―1950年，研究人员意识到TSP问题是个难题；1954年，42个城市的TSP问题求得最优解；1980年，Crowder和Padberg求解了318个城市的问题；1987年，Padberg和Rinaldi求解了2392个城市的问题；1992年，美国Rice大学的CRPC研究小组解决了3038个城市的问题；1994年，Applegate、Bixby和Chvatal等人解决了7393个城市的问题；1998年，CRPC研究解决了美国13509个城市组成的TSP问题；2003年，Hisao Tamaki发现了TSPLIB中pla33810的一个次优解；2004年，Keld Helsguan 发现了pla85900问题的一个次优解。 2、TSP问题的数学模型 二、求解TSP问题的各种解法 目前求解TSP问题的主要方法主要分两类：精确求解算法和近似求解算法。 精确求解算法通过搜索整个问题的全部解空间，在所有解集中求得最优解。精确求解算法包括整数规划法、动态规划法、分支定界算法等，这类算法虽然可以得到精确解，但由于过大的搜索空间范围导致计算时间过长，计算效率非常低下，很少用于实际应用。最早用于解决TSP问题的精确求解算法是穷举法，思路简单，可以直观快速地求出少量城市点数的最优解，但是求解大规模数据集时运算量太大，运算效率不高，时间上难以承受。 近似求解法又可称为启发式求解算法，部分近似求解算法又被称为智能优化算法。典型的近似算法有插入算法、r-opt算法和最近邻算法等，这类算法虽然可以较快的计算出可行解，但是其接近最优解的程度不够令人满意。智能优化算法主要包括神经网络算法、遗传算法、禁忌搜索算法、模拟退火法、粒子群算法和蚁群算法等，是近几年来非常活跃的研究领域，它是利用仿生学的原理，让算法在计算过程中不断自我调整，使之具备自适应能力。智能优化算法虽然不能在有限的时间内获得最优解，但其接近最优解的程度是非常可喜的。 求解TSP问题的算法很多，要评价和比较各种算法的优劣，必须有一个综合的性能评价标准，TSP算法的综合性能评价标准包括：算法求解的精确程度，即接近最优解的程度；求解算法的复杂度，包括时间的复杂度和空间的复