TSP问题算法分析.docxVIP

算法第二次大作业 TSP问题算法分析 021251 班王昱 一?问题描述 “TSP问题”常被称为“旅行商问题”，是指一名推销员要拜访多个地点时，如 何找到在拜访每个地点一次后再回到起点的最短路径。 TSP问题在本实验中的具体化：从A城市出发，到达每个城市并且-?个城市只允 许访问一次，最后乂冋到原來的城市，寻找一条最短距离的路径。 算法描述 2.1分支界限法 2. 1. 1算法思想 分支限界法常以广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。 在分支限界法中，每一个活结点只有一次机会成为扩展结点。活结点 一旦成为扩展结点，就一次性产生其所有儿子结点。在这些儿子结点 中，导致不可行解或导致非最优解的儿子结点被舍弃，其余儿子结点 被加入活结点表屮。 此后，从活结点表中取下一结点成为当前扩展结点，并重复上述 结点扩展过程。这个过程一直持续到找到所需的解或活结点表为空吋 为止。 2.1.2算法设计说明 设求解最大化问题，解向量为X二(xl,…,xn), xi的取值范围为 Si, |Si|=rio在使用分支限界搜索问题的解空间树时，先根据限界 函数估算目标函数的界[down, up],然后从根结点出发，扩展根结点 的rl个孩子结点，从而构成分量xl的rl种可能的取值方式。 对这rl个孩子结点分别估算可能的目标函数bound(xl),其含义： 以该结点为根的子树所有可能的取值不人于bound(xl),即： bound(xl) Abound(xl, x2) $???2 bound (xl,…，xn) 若某孩子结点的目标函数值超出目标函数的下界，则将该孩子结 点丢弃；否则，将该孩子结点保存在待处理结点表PT中。 再取PT表屮目标函数极大值结点作为扩展的根结点，重复上述。 直到一个叶子结点时的可行解X=(xl,-,xn),及口标函数值 bound(xl, ???, xn)。 2. 2 A*算法 算法思想 对于某一己到达的现行状态，如己到达图中的n节点，它是否可能成为最 佳路径上的一点的估价，应由估价函数f(n)值来决定。假设g*(n)函数值表示从 起始节点s到任意一个节点n的一条最佳路径上的实际耗散值°h*(n)函数值表 示从任意节点n到口标节点ti的最佳路径的实际耗散值。其屮ti是一个可能 的目标节点。f*(n)函数值表示从起始s,通过某一指定的n到达目标节点ti 的一条最佳路径的实际耗散值，并有f*(n)=g*(n)+h*(n)。 假设f函数是对f*函数的一种估计，并f (n)=g(n)+h(n),其中g函数 是对g*的估计，h函数是对h*的一种估计。f(n)包括两个部分，其中g(n) 表示到达n节点时，已付岀代价的估计；而h(n)表示从n节点到达口标节点ti 将要付出代价的佔计。 按f(n)=g*(n)+h*(n)的值來排序ff表的节点，f值小者优先。通常称这种算法 为A算法。在A算法的基础上，进一步限制h(n)函数，使得搜索图屮的每一个 节点n,能满足h(n)〈二h*(n)、称h函数取h*的下界。这种算法叫A*算法。 对ff里的每一个节点做评估函数F分为两部分G和H： 假设从A城市走到X城市，又走到Y城市，所以G可表示为： G = A到X的距离+ X到Y的距离； 未走的的城市数二(总城市数+1) -目前城市的层数。为什得加1,因为最后得走 回初始城市，所以总路径的城市数为总城市数+1。 H =未走的城市数X目前的最小距离； F = G + II ; 计算ff表里每个节点的F值，F值最小的节点作为活路径，把它加到bestpath 中。 三.算法代码 3.1分支界限法 #inelude stdio. h ttinclude malloc- h ^define NoEdge 1000 struct MinIleapNode { int lcost; //子树费用的下界 int cc; 〃当前费用 int rcost; //x[s:n-l]中顶点最小出边费用和 int s; //根节点到当前节点的路径为x[0:s] int *x; 〃需要进一步搜索的顶点是//x[s+l:n-l] struct MinHeapNode *next; }； int n; 〃图G的顶点数 int **a; 〃图G的邻接矩阵 //int NoEdge; //图G的无边标记 int co; 〃当前费用 int bestc; //当前最小费用 MinHeapNode* head = 0; /*堆头*/ MinHeapNode* lq = 0; /*堆第一个元素*/ MinlleapNode* fq = 0; /*堆最后一个元素*/ int DeleteMin(MinHeapNode*E) { MinHeapNode* tmp = N