1044 -- 用分枝定界法求解TSP问题

本文探讨了如何运用分枝定界法来解决经典的旅行商问题,旨在找到一条经过所有城市的最短路径,确保每个城市仅访问一次并最终返回起点。问题规模为N个城市,输入为城市间的距离矩阵,输出是最短旅行距离。
摘要由CSDN通过智能技术生成

用分枝定界法求解TSP问题

Time Limit:1000MS  Memory Limit:65536K
Total Submit:15 Accepted:7

Description

已知N个城市之间的相互距离,现有一推销员必须遍访这N个城市,并且每个城市只能访问一次,最后又必须返回出发城市。如何安排他对这些城市的访问次序,可使其旅行路线的总长度最短?
用图论的术语来说,假设有一个图G = ( V , E ) ,其中V是顶点集合,E 是边集合,设D = [ d(i,j) ]是由顶点i和顶点j之间的距离所组成的距离矩阵,旅行商问题就是求出一条通过所有顶点且每个顶点只通过一次的具有最短距离的回路。

Input

输入数据由若干行组成;第一行为问题的规模N即城市的数目,剩下的N行为一个N*N的距离矩阵。

Output

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
支限界类又称为剪枝限界或分支定界,它类似于回溯,也是一种在问题的解空间树T上搜索问题解的算。它与回溯有两点不同:①回溯只通过约束条件剪去非可行解,而分支限界不仅通过约束条件,而且通过目标函数的限界来减少无效搜索,也就是剪掉了某些不包含最优解的可行解。②在解空间树上的搜索方式也不相同。回溯以深度优先的方式搜索解空间树,而分支限界则以广度优先或以最小耗费优先的方式搜索解空间树。分支限界的搜索策略是:在扩展结点处,先生成其所有的儿子结点(分支),然后再从当前的活结点表中选择下一个扩展结点。为了有效地选择下一扩展结点,以加速搜索的进程, 在每一活结点处,计算一个函数值(限界),并根据这些已计算出的函数值,从当前活结点表中选择一个最有利的结点作为扩展结点,使搜索朝着解空间树上有最优解的分支推进,以便尽快地找出一个最优解。 从活结点表中选择下一扩展结点的不同方式导致不同的分支限界。最常见的有以下两种方式: ①队列式(FIFO)分支限界:队列式分支限界将活结点表组织成一个队列,并按队列的先进先出原则选取下一个结点为当前扩展结点。 ②优先队列式分支限界:优先队列式分支限界将活结点表按照某个估值函数C(x)的值组织成一个优先队列,并按优先队列中规定的结点优先级选取优先级最高的下一个结点成为当前扩展结点。 影响分支限界搜索效率的有两个主要因素:一是优先队列Q的优先级由C(x)确定,它能否保证在尽可能早的情况下找到最优解,如果一开始找到的就是最优解,那么搜索的空间就能降低到最小。二是限界函数u(x),它越严格就越可能多地剪去分支,从而减少搜索空间。 在用分支限界解决TSP问题时,有不少很好的限界函数和估值函数已经构造出来出了(限于篇幅,这里不做详细介绍), 使得分支限界在大多数情况下的搜索效率大大高于回溯。但是,在最坏情况下,该算的时间复杂度仍然是O(n!),而且有可能所有的(n-1)!个结点都要存储在队列中。 近似算是指不能肯定找到最优解的算,但通常找到的也是比较好的解,或称近似最优解。[20]一般而言,近似算的时间复杂度较低,通常都是多项式时间内的。由于近似算的时间效率高,所以在实际应用中,主要是使用近似算,这一类算也一直是研究的主要对象。传统的近似算以采用贪心策略和局部搜索为主,而几十年来,随着以遗传算为代表的新型启发式搜索算的逐步完善,在解决TSP问题上获得了巨大的成功。遗传算、模拟退火算、蚁群算等已经成为公认的好算。在本节中,将介绍传统的近似算
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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