算法分析与设计——Tsp(2)

转载 2017年01月03日 20:49:31

——转自:http://blog.csdn.net/lovesummerforever/article/details/18622127

分支限界法(branch and bound method)按广度优先策略搜索问题的解空间树,在搜索过程中,对待处理的节点根据限界函数估算目标函数的可能取值,从中选取使目标函数取得极值(极大或极小)的结点优先进行广度优先搜索,从而不断调整搜索方向,尽快找到问题的解。分支限界法适合求解最优化问题。

1、分支限界法思想
上节中回溯法是从根节点出发,按照深度优先的策略搜索问题的解空间树,在搜索过程中,如果某点所代表的部分解不满足约束条件,则对该节点为根的子树进行剪枝;否则继续按照深度优先的策略搜索以该结点为根,当搜索到一个满足的约束条件的叶子结点时,就找到了一个可行解。

   分支限界法首先要确定一个合理的限界函数(bound funciton),并根据限界函数确定目标函数的界[down ,up],按照广度优先策略搜索问题的解空间树,在分直结点上依次扩展该结点的孩子结点,分别估算孩子结点的目标函数可能值,如果某孩子结点的目标函数可能超出目标函数的界,则将其丢弃;否则将其加入待处理结点表(简称PT表),依次从表PT中选取使目标函数取得极值的结点成为当前扩展结点,重复上述过程,直到得到最优解。

2、TSP问题中使用分支限界法

【TSP问题】 TSP问题是指旅行家要旅行n个城市,要求各个城市经理且仅经理依次然后回到出发城市,并要求所走的路程最短。我们以下图的无限图为例,采用分支限界法解决这个问题。
   无向图及对应的代价矩阵如下所示:

这里写图片描述

代价矩阵是1到1,1到2,1到3,1到4,1到5距离写在第一行,第二行为2到1,2到2,2到3,2到4,、、、依次

(1)找到目标函数的界。上界为,采用贪心算法求得上界,从节点1开始到节点3--->5--->4--->2--->1,路径,即为图中红色圈的路径,其路径长度为C=1+2+3+7+3=16。
下界为矩阵中每行中两个最小的相加,所有的行加起来的和的一半。( (3+1)+(3+6)+(1+2)+(3+4)+(2 +3) )/2=14所以求得界为[14,16]。

(2)计算每个节点的限界值。计算目标函数(限界函数),lb分为三部分,第一部分是经过路径的长度相加的2倍,加上第二部分离着路径首尾节点最近的距离相加(不在已知路径上的),加上第三部分除了路径上节点,矩阵中两个最短的距离相加,最后这三部分和相加,得到的结果除以2便是每个节点的限界值。

【C代码】:
//分支限界法

#include<iostream>  
#include<algorithm>  
#include<cstdio>  
#include<queue>  
#define INF 100000  
using namespace std;  
/*  n*n的一个矩阵  */  
int n;  
int mp[22][22];//最少3个点,最多15个点  
/*输入距离矩阵*/  
void in()  
{  
    scanf("%d",&n);  
    for(int i=1; i<=n; i++)  
    {  
        for(int j=1; j<=n; j++)  
        {  
            if(i==j)  
            {  
                mp[i][j]=INF;  
                continue;  
            }  
            scanf("%d",&mp[i][j]);  
        }  
    }  
}  
struct node  
{  
    int visp[22];//标记哪些点走了  
    int st;//起点  
    int st_p;//起点的邻接点  
    int ed;//终点  
    int ed_p;//终点的邻接点  
    int k;//走过的点数  
    int sumv;//经过路径的距离  
    int lb;//目标函数的值  
    bool operator <(const node &p )const  
    {  
        return lb>p.lb;  
    }  
};  
priority_queue<node> q;  
int low,up;  
int inq[22];  
//确定上界  
int dfs(int u,int k,int l)  
{  
    if(k==n) return l+mp[u][1];  
    int minlen=INF , p;  
    for(int i=1; i<=n; i++)  
    {  
        if(inq[i]==0&&minlen>mp[u][i])/*取与所有点的连边中最小的边*/  
        {  
            minlen=mp[u][i];  
            p=i;  
        }  
    }  
    inq[p]=1;  
    return dfs(p,k+1,l+minlen);  
}  
int get_lb(node p)  
{  
    int ret=p.sumv*2;//路径上的点的距离  
    int min1=INF,min2=INF;//起点和终点连出来的边  
    for(int i=1; i<=n; i++)  
    {  
        if(p.visp[i]==0&&min1>mp[i][p.st])  
        {  
            min1=mp[i][p.st];  
        }  
    }  
    ret+=min1;  
    for(int i=1; i<=n; i++)  
    {  
        if(p.visp[i]==0&&min2>mp[p.ed][i])  
        {  
            min2=mp[p.ed][i];  
        }  
    }  
    ret+=min2;  
    for(int i=1; i<=n; i++)  
    {  
        if(p.visp[i]==0)  
        {  
            min1=min2=INF;  
            for(int j=1; j<=n; j++)  
            {  
                if(min1>mp[i][j])  
                min1=mp[i][j];  
            }  
            for(int j=1; j<=n; j++)  
            {  
                if(min2>mp[j][i])  
                min2=mp[j][i];  
            }  
            ret+=min1+min2;  
        }  
    }  
    return ret%2==0?(ret/2):(ret/2+1);  
}  
void get_up()  
{  
    inq[1]=1;  
    up=dfs(1,1,0);  
}  
void get_low()  
{  
    low=0;  
    for(int i=1; i<=n; i++)  
    {  
        /*通过排序求两个最小值*/  
        int min1=INF,min2=INF;  
        int tmpA[22];  
        for(int j=1; j<=n; j++)  
        {  
            tmpA[j]=mp[i][j];  
        }  
        sort(tmpA+1,tmpA+1+n);//对临时的数组进行排序  
        low+=tmpA[1];  
    }  
}  
int solve()  
{  
    /*贪心法确定上界*/  
    get_up();  

    /*取每行最小的边之和作为下界*/  
    get_low();  

    /*设置初始点,默认从1开始 */  
    node star;  
    star.st=1;  
    star.ed=1;  
    star.k=1;  
    for(int i=1; i<=n; i++) star.visp[i]=0;  
    star.visp[1]=1;  
    star.sumv=0;  
    star.lb=low;  

    /*ret为问题的解*/  
    int ret=INF;  

    q.push(star);  
    while(!q.empty())  
    {  
        node tmp=q TOP();  
        q.pop();  
        if(tmp.k==n-1)  
        {  
            /*找最后一个没有走的点*/  
            int p;  
            for(int i=1; i<=n; i++)  
            {  
                if(tmp.visp[i]==0)  
                {  
                    p=i;  
                    break;  
                }  
            }  
            int ans=tmp.sumv+mp[p][tmp.st]+mp[tmp.ed][p];  
            node judge = q.top();  

            /*如果当前的路径和比所有的目标函数值都小则跳出*/  
            if(ans <= judge.lb)  
            {  
                ret=min(ans,ret);  
                break;  
            }  
            /*否则继续求其他可能的路径和,并更新上界*/  
            else  
            {  
                up = min(up,ans);  
                ret=min(ret,ans);  
                continue;  
            }  
        }  
        /*当前点可以向下扩展的点入优先级队列*/  
        node next;  
        for(int i=1; i<=n; i++)  
        {  
            if(tmp.visp[i]==0)  
            {  
                next.st=tmp.st;  

                /*更新路径和*/  
                next.sumv=tmp.sumv+mp[tmp.ed][i];  

                /*更新最后一个点*/  
                next.ed=i;  

                /*更新顶点数*/  
                next.k=tmp.k+1;  

                /*更新经过的顶点*/  
                for(int j=1; j<=n; j++) next.visp[j]=tmp.visp[j];  
                next.visp[i]=1;  

                /*求目标函数*/  
                next.lb=get_lb(next);  

                /*如果大于上界就不加入队列*/  
                if(next.lb>up) continue;  
                q.push(next);  
            }  
        }  
    }  
    return ret;  
}  
int main()  
{  
    in();  
    printf("%d\n",solve());  
    return 0;  
}  

3、分支限界法解决0/1背包问题。

   在这里只写个思路,相对来说也是比较简单的。
   (1)首先将背包按照价值由大到小进行排列。
   (2)找到上界和下界,背包问题的下界把第一个价值最大的装入背包。上界,采用背包问题的贪心算法(三种策略)最终求得上界。
   (3)限界函数ub=v+(W-w)*(v i+1    /    w i+1)
   (4)画PT表格,每个节点进行判断是否剪枝。最终得到最优解。

相关文章推荐

emgucv 求n个点两两之间的距离

emgucv 求n个点两两之间的距离

0-1背包问题,两个CPU核分配任务问题

解析0-1背包问题: 0-1背包问题的解决思路是使用动态规划,设dp[i][j]表示存在前 i 件商品,背包的容量为W == j 时,的最优解。动态规划是在子问题dp[ik][jk](ik...

算法设计与分析:第五章 回溯法 5.1TSP之货郎担问题

/* 货郎担问题: 四个顶点的货郎担问题。求从顶点1出发, 最后回到顶点1的最短路线。 v1 v2 v3 v4 v1 无穷 无穷 1 7 v2 8 无穷 5 1 v3 7 2 无穷 ...

退火模拟算法——TSP问题

  • 2009年06月29日 19:39
  • 87KB
  • 下载

欧式空间上旅行售货员问题 (TSP问题) 的2-近似算法。

注:欧式空间满足三角不等式。TSP问题:给定欧式空间上n个城市相互之间的距离dij, 1£i,j£n,求经过每个城市恰好一次的最短的环游。此问题是NP-困难的,设计求解精确解的多项式算法几乎是不可能的...

NP完全性理论与近似算法——TSP问题为例

NP完全性理论与近似算法 一、图灵机 根据有限状态控制器的当前状态及每个读写头读到的带符号,图灵机的一个计算步可实现下面3个操作之一或全部。 (1)改变有限状态控制器中的状态。 (2)清除...
  • alaclp
  • alaclp
  • 2015年03月10日 05:08
  • 1369

网络分析优化旅行商问题TSP算法资源

网络分析优化旅行商问题TSP算法资源                                                         By wangsh 2011-12-05  ...
  • wsh6759
  • wsh6759
  • 2011年12月05日 16:49
  • 2199
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:算法分析与设计——Tsp(2)
举报原因:
原因补充:

(最多只允许输入30个字)