震惊！史上已获得最优解的旅行商问题(TSP)的算例有八万五千九百个节点

最新推荐文章于 2021-11-10 19:29:39 发布
最新推荐文章于 2021-11-10 19:29:39 发布
阅读量4.9k 收藏 10
点赞数 1
分类专栏： Python java 算法 文章标签： java 算法 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Rivalsx/article/details/90722836
版权
本文介绍了旅行商问题(TSP)的一个惊人案例，该问题包含85900个节点，是1986年由贝尔实验室为优化激光器切割路径设定的。Concorde求解器在2005年用分支切平面算法解决了这个问题，耗时136个CPU年。此外，文章提到了LKH算法在找到最优解但无法验证前的贡献，并展示了问题的最优解图。
摘要由CSDN通过智能技术生成

以下文章来源于数据魔术师，作者贺兴

很愉快的，我们又见到了我们的老朋友，旅行商问题(Travelling salesman problem, TSP)，在之前的一期推送中，我们利用团队的高配置服务器计算了利用动态规划求解旅行商问题的时间和空间消耗。看过的朋友应该还对之前的那两个增长曲线记忆犹新吧，如果还没有看过，那赶紧去看一下哦，下面给出上一篇文章的链接：

利用动态规划求解旅行商问题(Travelling Salesman Problem)时空复杂度分析以及相关实验验证

不过，这个时候就有一些读者会比较好奇旅行商问题这么难解，全球最领先的技术在可接受的时间范围内能解决多大规模的算例呢？为了帮助大家解决这个问题小编特地Google了一下相关的资料，竟然发现了这样一个网站？！网站的链接如

最低0.47元/天 解锁文章
infinitor
关注
  • 1
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
动态规划求解旅行商问题，tsp问题求最优解，附代码实现
hytfly的专栏
07-13 3万+
旅行商问题，即TSP问题（Traveling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。 一般分2大类： 完全图：两两城市间都有直达的路线，这条路线不需要经过中间其他...
TSP问题城市数据及最优解
12-08
TSP(旅行商)问题的测试数据及最优解，用于测试算法的优劣及效率等。TSP问题研究必备。
已知TSP问题的最好解
九头狮的专栏
01-25 3397
a280 : 2579 ali535 : 202339 att48 : 10628 att532 : 27686 bayg29 : 1610 bays29 : 2020 berlin52 : 7542 bier127 : 118282 brazil58 : 25395 brd14051 : 469385 brg180 : 1950 burma14 : 3323 ch130
【组合优化】旅行商问题Traveling Salesman Problem(TSP)-解的最优性证明
bear_miao的博客
11-10 1076
上一节使用的求解旅行商问题的方法为：整数线性规划算法intlinprog options = optimoptions('intlinprog'); 整数线性规划算法中使用的为分支定界算法branch-and-bound algorithm。 分枝界限法是由三栖学者查理德·卡普（Richard M.Karp）在20世纪60年代发明，成功求解含有65个城市的旅行商问题，创当时的记录。“分枝界限法”把问题的可行解展开如树的分枝，再经由各个分枝中寻找最佳解。 output.absolutegap的含义为
tsp(旅行商问题) 测试实例
07-12
本实例给出了TSP问题的多个测试实例，并给出了最优解的值及最优解路径。
蚁群算法-使用Matlab实现蚁群算法-解决函数最优解+机器人路径规划+TSP问题-超优质项目.zip
最新发布
02-18
五、旅行商问题（TSP）解决方案 TSP问题是经典的组合优化问题，要求找到访问n个城市并返回起点的最短路径。蚁群算法能够有效地处理这个问题，通过构建城市间的网络并用信息素表示路径的成本，最终找出最优路径。 ...
GA_TSP_myself_算法测试_遗传算法解旅行商问题_
10-03
在GA_TSP_myself算法中，我们将这种思想应用于旅行商问题，以寻找一个接近最优解的路径。 首先，我们需要理解GA的基本流程：初始化种群、评价适应度、选择、交叉和变异。在GA_TSP_myself中，种群由一系列可能的路径...
TSP.rar_c++ 旅行商问题_tsp_旅行售货员_旅行商_旅行商问题
09-19
旅行商问题（Traveling Salesman Problem，简称TSP）是运筹学中一个著名的组合优化问题，它源于实际生活中的一个场景：一个旅行商需要拜访多个城市，每座城市只访问一次，并在完成所有访问后返回起始城市，目标是...
tsp.rar_TSP dynamic_salesman_tsp 旅行商_旅行商_旅行商问题
09-24
这个看似简单的问题实际上具有极高的复杂度，属于NP完全问题，即在多项式时间内找到最优解非常困难。 动态规划（Dynamic Programming，DP）是一种解决多阶段决策过程最优化的方法，它将复杂问题分解成一系列的子...
TSP.rar_tsp_中间节点_旅行商_组合数学
09-14
在IT领域，旅行商问题（Traveling Salesman Problem，简称TSP）是一个经典的组合优化问题，属于图论和运筹学的范畴。该问题源于实际生活中的配送问题：一个旅行商需要访问多个城市，每个城市只访问一次，并最终返回...
旅行商问题（TSP）测试样例
07-19
旅行商问题（TSP）的测试样例。城市的表示方法包括邻接矩阵表示和坐标点表示这两种。
利用模拟退火算法求解旅行商问题的算例
09-02
利用模拟退火算法求解旅行商问题的算例
TSP城市问题145个城市数据及其相应的最优解
09-12
最全的TSP(旅行商)145个问题的测试数据及最优解，可以用于测试算法的优劣及效率等，效果很好，里面的数据是官方提供的，未经任何改动，最近也在学习人工智能算法，特共享出来分享分享。TSP问题研究必备，欢迎下载使用~~~~~
启发式贪心法用求解旅行商问题
05-02
旅行商问题是NP完全的组合优化问题。分析了邻域启发式算法的基本操作，提出 一种筒单的启发式贪心法，仅利用城市闻的距离信息求解旅行商问题。理论分析与实验结果 表明该方法是确定性的多项式时间算法。对5个不同规模的典型的旅行商问题进行优化，均 达到或优于文献中的结果。
多重旅行推销员问题 - 遗传算法：使用 GA 找到 M-TSP 的近乎最优解-matlab开发
05-30
MTSP_GA 多重旅行商问题 (M-TSP) 遗传算法 (GA) 通过设置 GA 进行搜索，找到 M-TSP 的（接近）最优解最短路线（推销员旅行所需的最短距离到每个城市恰好一次，然后返回它们的起始位置） 概括： 1. 每个销售员前往一组独特的城市并完成返回他出发的城市的路线2. 每个城市只有一名推销员到访 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个城市到城市距离或成本的 NxN 矩阵- NSALESMEN（标量整数）是访问城市的推销员数量- MINTOUR（标量整数）是任何推销员的最短游览时间- POPSIZE（标量整数）是人口的大小（应该可以被 8 整除） - NUMITER（标量整数）是算法运行所需的迭代次数- SHOWPROG（标量逻辑）如
旅行商问题的近似最优解（局部搜索、模拟退火、遗传算法）
凝神长老和他的朋友们
04-02 2446
旅行商问题的近似最优解（局部搜索、模拟退火、遗传算法） 关键字：旅行商问题，TSP，局部搜索，模拟退火，遗传算法 TSP问题（Traveling Salesman Problem）是一个组合优化问题。该问题可以被证明具有NPC计算复杂性。 迄今为止，这类问题中没有一个找到有效算法。 也就是说，没有一个算法能够在多项式时间内解得TSP问题的最优解，所以只能通过我们介绍的方法，即遗传算法、模拟退火算法、局部搜索，来寻求近似最优解。 遗传算法 遗传算法（Genetic Algorithm, GA）起源于对生物
tsp优化问题
FPGA/MATLAB学习教程/源码/项目合作开发
07-05 5362
clear; tic CityNum=30; [dislist,Clist]=tsp(CityNum); Tlist=zeros(CityNum);%禁忌表(tabu list) cl=100;%保留前cl个最好候选解 bsf=Inf; tl=50; %禁忌长度(tabu length) l1=200;%候选解(candidate),不大于n*(n-1)/2(全部领域解个数) S0=randperm(CityNum); S=S0; BSF=S0; Si=zeros(l1,CityNum); StopL=2
TSP库中各规模数据的已知最优解大小
热门推荐
encaidx的专栏
03-07 1万+
依然是蚁群的问题，先把TSP最优解列举出来 a280 : 2579ali535 : 202339att48 : 10628att532 : 27686bayg29 : 1610bays29 : 2020berlin52 : 7542bier127 : 118282brazil58 : 25395brd14051 : 469385brg180 : 1950burma14 : 3323ch1
基于蚁群算法的旅行商问题(TSP)的优化
心升明月的博客
12-19 8485
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
旅行商问题(TSP)并行优化及函数解析
当到达一个节点时，如果确定该节点不可能包含最优解，则回溯到上一层，继续探索其他分支。直到遍历完所有可能的路径，算法才会结束。这种算法在寻找所有解时会回溯到根节点，并确保所有子树都被检查过。 并行计算是...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值