大规模TSP成绩的层次求解法.pdfVIP

摘 要 Salesman 旅行商问题(TravelingProblem，TSP)是在数学和计算机科学当中最有研 究价值的组合优化NP难问题之一．自从1932年提出该问题以来，诸多研究者表现出 极大的兴趣，并且很快就有研究者投入大量时间去研究它．当TSP问题有比较小的规 模时候，会有很多算法可以高效的求解它的精确解，但随着TSP问题的规模不断的 增加，问题的求解难度也会不断增加，所以求解时间较长或是在短时间里无法得到所 期望的结果．TSP问题尤其是大规模的TSP问题的求解，不但有着很重要的学术价值、 理论价值，更会帮助解决现实社会中一些实际问题，它的实用性非常高．因此，这一 NP难问题一直受到中外研究者的广泛关注．为了在求解TSP问题上有新的突破，人 们开始研究一些新的算法——仿生算法．随着人们提出群智能的思想，一系列智能算 法相继提出，比如禁忌搜索、神经网络、模拟退火、遗传算法、蚁群算法、DNA计 算等优化算法．这些算法都可以用来求解TSP问题，但是这些算法有它们的一定优 势，也存在它们各自的缺陷．其中蚁群优化算法是以解决TSP问题而提出的，该算法 比起其他的优化算法表现更好．虽然蚁群算法能很好的解决小规模的TSP问题，但是 人们的目的不止要解决小规模的TSP问题．随着TSP问题规模的增长，蚁群算法以 及其它算法的缺点就逐一表现出来了．针对于这些不足，本文提出了两种新的混合算 法．本文的主要内容如下： 1本文首先探讨了选题的现实意义，研究背景以及国内外的研究趋势．简单总结 了求解TSP问题的算法，主要分两大类，精确算法和启发式算法． TSP问题，然后在已知的可行解上进行分段优化． 3本文提出了一种大规模TSP问题的层次求解算法，该算法首先采用聚类算法 把大规模TSP问题转化成若干个小规模的城市集合，然后把这个问题看作是广义旅 Salesman 行商问题(GeneralizedTraveling 题转换成求解GTSP问题和几个小规模TSP问题．然后用传统蚁群算法求解每一个城 市集合的最短路径，以及用改进的蚁群算法求解GTSP问题的所有城市族的连接顺序． 最后将每一个城市集合的最优路径按GTSP问题的连接顺序合并成原TSP问题的一 个解．实验部分我们分别用本文算法和传统的蚁群算法求解大规模TSP问题，实验表 明本文算法对城市规模较大的TSP问题有较好的效果，与传统的蚁群算法比较，本 文算法的求解效率有了显著的提高． 关键词：旅行商问题；蚁群算法；吸引子传播；K．means算法；广义旅行商 HierarchicalMethodfor ScaleTSPProblems Solving Large Abstract Salesman oneofthemostvaluableNPcombinational Traveling Problem(TSP)iS inmathematicsand science．SinceTSP was optimizationproblems computer problem raisedin193 researchersshowed then alotoftimetO interest，and 2，many great spent theTSP hassmaller willbealotof Can it．While problem size，there algorithm study solveit withtheincreaseofthescaleoftheTSP efficientlyexactly．But