动态TSP遗传算法研究.pdfVIP

中南民族大学计算机科学学院 第 1 章 绪论 TSP 问题自20 世纪初K.Menger 提出以来，引起了众多领域许多学者的兴 趣。该问题是组合数学中极具实用意义的NP 难解问题之一，也是组合优化中研 究最多的热点问题之一，至今尚未彻底解决。TSP 问题成为学者们验证其所设 计的各类算法思想的实验平台，成为这些算法可以被广泛实际应用于各种离散优 化问题的试金石。其次，在许多应用领域中 TSP 问题也都能找到其应用场景和 模型，如电路板钻孔、车辆路径规划、X 航线检晶器和VLSI 构造等等问题，这 些问题都可看作是TSP 问题的变体。因此求解TSP 问题方法的改进，可以直接 给这些研究领域带来生机，并指导其未来的工作。TSP 问题在现实世界中的广泛 应用，是推动其发展的一个重要原因。 1.1 研究背景与意义 20 世纪初，数学家和经济学家Karl Menger 在维也纳向他的同事首次提出了 TSP 问题；到了20 世纪三十年代，该问题又在普林斯顿大学的数学派系里展开 了讨论；20 世纪四十年代初，统计学家Mahalanobis 等尝试将该问题同农业应用 联系在一起进行研究。TSP 问题作为一个组合优化中难题的原型，因循环的总次 数及其运算量巨大，曾令人失去信心，以至于20 世纪中期有很长一段时间没出 现新的想法和突破。1954 年George Dantzig 等终于有了突破，他们发表了关于求 解TSP 问题算法的描述，并成功应用于49 个城市的TSP 问题实例，引起相当的 注意。1962 年，Proctor 和Gamble 举办的比赛要求求解33 个城市的TSP 问题， 许多人找到最优解。此后对 TSP 问题的研究真正打开了局面，并成为组合优化 领域的经典问题。 TSP 问题可以描述为：旅行商要到多个城市推销货物，从其中某一城市出发， 要求经过其余各城市一次且仅一次，最后回到始发城市，求其最短行程的环路路 径方案。TSP 问题是一个典型的组合优化问题，是许多领域内出现的多种复杂问 题的集中概括和简化描述，有效地解决这个问题被归为 21 世纪的科学难题，已 1 中南民族大学计算机科学学院 [1] 被证明为NP 难解问题 。该问题在可计算理论上具有重要的理论意义，在现实 中也具有重要的实际应用价值。在很多领域都存在着该问题的广泛应用，如电气 布线、网络通讯、管道铺设、货物配送路线、车辆路径规划、加工调度、X 航线 检晶器、VLSI 构造、印制电路板的钻孔路线方案等等，这些问题经过简化处理 [2] 后，均可建模为TSP 问题 。 TSP 问题根据其特征可分为静态TSP 问题和动态TSP 问题，传统意义上的 TSP 问题指的是静态问题模型。 动态 TSP 问题根据动态侧重点的不同，可描述为多种模型，如城市间距离 动态变化的动态TSP 问题，城市数目动态变化的动态TSP 问题等等。移动计算、 互联网分布计算、车辆实时调度、资源动态分配等问题都同动态 TSP 问题有着 密切联系。能够快速而有效地求解动态 TSP 问题具有着较高的实际应用价值。 尽管动态 TSP 问题增加了实时信息，使得问题求解难度更大，但却更符合社会 现实意义，也更具有挑战。 遗传算法是引入自然选择和进化机制发展起来的全局概率搜索算法。正像达 尔文所说的：“自然界中能够生存下来的物种不是那些最聪明的，也不是那些最 强壮的，而是那些最能适应环境变化的物种”，遗传算法正是基于这一思想发展 起来的。遗传算法是一种智能算法，而且具有本质并行性的特点，他能够自组织、 自适应和自学习，尤其适合于解决大规模的复杂问题，在诸多方面已经有了很成 功的应用。但遗传算法在理论基础、种群多样性与收敛速度的平衡、同实际