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节点
- 非完全图:偶尔有两个城市间的路线需要经过其他中间节点
除了常规的回溯+dfs外,还可以采用述动态规划方法,时间复杂度相对搜索算法来说要高一些,但可以求得最优结果。复杂度近似N*2^(n-1)。
解决这个问题,最需要表达的就是城市选择集合,为程序实现方便,这里用二进制串表示集合。比如集合{1,3,5,6,7}表示成二进制串用1110101,其中集合里面有的数对应的位数写成1,没有的写成0。
则要判断第3位是不是1,就把 1110101右移(3-1)位,得到11101,然后结果和00001进行 & 运算,如果结果是1说明第3位是1,否则说明第3位是0。
标注一下,
对于第y个城市,他的二进制表达为,1<<(y-1)
对于数字x,要看它的第i位是不是1,那么可以通过判断布尔表达式 (((x >> (i - 1) ) & 1) == 1的真值来实现。
要使用动态规划,需要问题本身有最优子结构,我们需要找到要解决的问题的子问题。
题目要求,从0出发,经过[1,2,3]这几个城市,然后回到0,使得花费最少。要实现这个要求,需要从下面三个实现方案中选择花费最少的方案。
1、 从0出发,到1,然后再从1出发,经过[2,3]这几个城市,然后回到0,使得花费最少。
2、 从0出发,到2,然后再从2出发,经过[1,3]这几个城市,然后回到0,使得花费最少。
3、 从0出发,到3,然后再从3出发,经过[1,2]这几个城市,然后回到0,使得花费最少。
可以发现,三个小的解决方案的最优解,构成了大的解决方案,所以这个问题具有最优子结构,可以用动态规划来实现。
设置一个二维的动态规划表dp,定义符号{1,2,3}表示经过[1,2,3]这几个城市,然后回到0。
那么题目就是求dp[0][{1,2,3}]。将{1,2,3}表示成二进制,就是111,对应10进制的7,所以题目是在求dp[0][7];
要求三个方案的最小值意味:
dp[0][{1,2,3}] = min{ C01+dp[1][{2,3}] ,C02+dp[2][{1,3}] ,C03+dp[3][{1,2}]}
其中C01 表示从0出发到1的距离。
dp[1][{2,3}] = min{ C12+dp[2][{3}] ,C13+dp[3][{1}]}
dp[2][{3}] = C23+dp[3][{}]
dp[3][{}]就是从3出发,不经过任何城市,回到0的花费,所以dp[3][{}] = C30
先确定一下dp表的大小,有n个城市,从0开始编号,那么dp表的行数就是n,列数就是2^(n-1),即1 << (n – 1),集合{1,2,3}的子集个数。在求解的时候,第一列的值对应这从邻接矩阵可以导出,后面的列可以有前面的列和邻接矩阵导出。所以求出的动态规划表就是:
初始化第一列,即j=0
for(int i =0;i <n;i++){
dp[i][0] = C[i][0];
}
计算第二列:
j = 1; //可以把j带入
for(int i = 0;i < n;i++){
dp[i][j] = C[i][1]+dp[1][0]
}
后面的规律比较麻烦的一点在于要集合和二进制转换:
先看我们要求的最终结果:从0出发,经过{1,2,3},最后回到起点,这里的{1,2,3}对应的就是111=7(忘了就查上表)
不难得出:dp[0][7] = min{C01 + dp[1][6], C02+ dp[2][5], C03 + dp[3][3]}
实际上就3种选择,算最小值,一个for循环搞定,但注意到列数好像并没有规律,6,5,3必须要明确出一个算法我们才能用循环搞定。
先看去k=1的路,列6 = (111) ^ (1)得到,(1) = 1城市二进制
再看去k=2的路,列5 = (111) ^ (10)得到。(10) = 2城市二进制
最后看去k=3的路,列3 = (111) ^ (100)得到。(100) = 3城市二进制
公式出来了,列数=j城市的二进制表达=j(1<<(k-1)),我们开始开始构建循环。
但有2个要注意:
1、求dp[2][3]的时候。就是求从2出发,经过{1,2},显然不合理,因为{1,2}包含2了,也就是3包含了城市2,这种情况需要忽略掉。也就是判断数字3的二进制位的第2位是不是1,是1就表示不合理。判断条件为之前说到的:(((x >> (i - 1) ) & 1) == 1
2、求dp[2][5]的时候。就是求从2出发,经过{1,3},这时不会有k=2这条路,因为{1,3}并不含有2,需要排除掉。也就是判断数字5的二进制位的第2位是不是1,是1就可以走,不是1就不用算了。
根据以上的推导,最后求dp表的代码实现就是:
for(int j = 1;j < 1 << (n - 1);j++){
for(int i= 0;i < n;i++){
dp[i][j] = 0x7ffff;
if(((j >> (i - 1)) & 1) == 1){
continue;
}
for(int k = 1;k < n;k++){
if(((j >> (k - 1)) & 1) == 0){
continue;
}
if(dp[i][j] > C[i][k] + dp[k][j ^ (1 << (k - 1))]){
dp[i][j] = C[i][k] + dp[k][j ^ (1 << (k - 1))];
}
}
}
}
最终程序的返回值就是dp表左上角的那个数字return dp[0][(1<<(cityCount - 1)) - 1];
一个完整运行的例子是:
public class TravelingSalesman {
public static void main(String[] args) {
int cityCount = 4;
int[][] roadInfo = new int[][]{
{0, 1, 10},
{1, 0, 10},
{1, 3, 25},
{3, 1, 25},
{3, 2, 30},
{2, 3, 30},
{0, 2, 15},
{2, 0, 15},
{1, 2, 35},
{2, 1, 35}
};
int roadmap[][] = new int[cityCount][cityCount]; //转成邻接矩阵方便取数
int dp[][] = new int [cityCount][1 << (cityCount - 1)];
string path[][] = new string [cityCount][1 << (cityCount - 1)];
for(int i = 0;i < cityCount;i++){
for(int j = 0;j < cityCount;j++){
roadmap[i][j] = 0x7ffff; //用0x7ffff表示无穷大
}
}
for(int i = 0;i < roadInfo.length;i++){ //邻接矩阵
roadmap[roadInfo[i][0]][roadInfo[i][1]] = roadInfo[i][2];
}
for(int i =0;i <cityCount;i++){ //先求dp表第一列
dp[i][0] = roadmap[i][0]; //求出了每个城市回到起点的距离了。
path[i][j]=i; //记录初始路径。
}
for(int j = 1;j < 1 << (cityCount - 1);j++){ //再求其他列
for(int i= 0;i < cityCount;i++){ //从i出发,要去包含j = {010101}的 城市
dp[i][j] = 0x7ffff;
if(((j >> (i - 1)) & 1) == 1){ //如果已经到过j了,就continue
continue;
}
for(int k = 1;k < cityCount;k++){ //看能不能先到k城市
if(((j >> (k - 1)) & 1) == 0){
continue; //不能先到k城市,continue;
}
if(dp[i][j] > roadmap[i][k] + dp[k][j ^ (1 << (k - 1))]){
dp[i][j] = roadmap[i][k] + dp[k][j ^ (1 << (k - 1))];
path[i][j]=i+path[k][j ^ (1 << (k - 1))]; //找到更短路径,覆盖之前结果。
}
}
}
}
System.out.println(dp[0][(1<<(cityCount - 1)) - 1]);
System.out.println(path[0][(1<<(cityCount - 1)) - 1]);
}
}