运筹系列65：TSP问题的精确求解法概述

1. 问题概述

tsp问题的数学模型如下：

1.1 给定upbound的Christofides方法

这是可以给出上界的一个方法，可以证明构造出的路线不超过最优路线的1.5倍。步骤为：
1）构造MST（最小生成树）
2）将里面的奇点连接起来构成欧拉回路称为完美匹配。Edmonds给出了多项式时间内构造最小代价完美匹配的方法，其长度不超过最优解的1.5倍。

证明方法也很直观，奇点最短路径可以拆分成两条完美匹配，其中总有一条的长度$\le$最优奇点路径长度/2$\le$最优完整路径长度/2

3）按欧拉回路顺序逐个扫描点，跳过重复经过的点，即可构造一条完整的路径。

下面是blossom算法的使用示例：

using BlossomV,TravelingSalesmanHeuristics,TSPLIB,Distances,DataStructures
tsp = readTSP("vlsi/bcl380.tsp"); # bays29
N = tsp.dimension
distmat = [euclidean(tsp.nodes[i,:],tsp.nodes[j,:]) for i in 1:N, j in 1:N]
mst = TravelingSalesmanHeuristics.minspantree(distmat)[1]
x = counter(cat([m[1] for m in mst],[m[2] for m in mst],dims=1))
odds = []
for xi in x
    if xi[2]%2==1
        append!(odds,xi[1])
    end
end
mat = Matching(Float64, length(odds))
for i in 1:length(odds)
    for j in 1:i-1
        add_edge(mat,i-1,j-1,distmat[odds[i],odds[j]])
    end
end
solve(mat)

using PyPlot
tree = mst
PyPlot.scatter(tsp.nodes[:,1],tsp.nodes[:,2],color="black",s=10)
for i in 1:length(tree)
    l = tsp.nodes[[tree[i][1],tree[i][2]],:]
    PyPlot.plot(l[:,1], l[:,2], color="black",linewidth = 1)
end
for i in 1:length(odds)
    j = get_match(mat,i-1)+1
    if j>i
        l = tsp.nodes[[odds[i],odds[j]],:]
        PyPlot.plot(l[:,1],l[:,2],color="r",linewidth = 0.5,linestyle="--")
    end
end

1.2. 给定lowerbound的松弛问题

首先看一个例子：

我们定义$x_{ij}$为边ij是否在路径上。根据TSP问题的要求，每个点只能路过一次，因此每个点连着两条边，有：

2. lazy constraint介绍

2.1 子回路约束

如下图，上面的模型无法避免subtour

为了消除两个子路径的情形，再增添约束条件：

要想完全枚举出所有这样的约束条件很难，在城市数目为10时，不等式数目就达到51043900866个。因此我们常采用行生成（也叫割平面）的方法，从松弛问题开始，每次求解完后，若发现有子路径，则不断增添拆散子路径的约束条件即可。示意如下，其中红色表示0.5，黑色表示1：

也可以使用最大流最小割来确定subtour

如上图，我们随意选定两个点，得到它们之间的最大流，这个值等于最小割。因此，我们计算n-1个最大流，如果得到小于2的值，那么找到对应的最小割加入约束集。

2.2 梳子约束

接下来，为了取整，我们再添加4集合约束：


后面逐步增加个数，称为梳子不等式，每条回路穿过边界的数目至少是3k+1次，其中k是梳齿的数目。

实战中可以使用启发式方法，如下图，对每个红色子图构造梳子约束：

生成梳子的研究可以参考：

Sylvia Boyd/Sally Cockburn/ Danielle Vella
Daniel Espinoza/Marcos Goycoolea

2.3 blossom不等式

可以看作subtour约束的加强版。选取顶点数目为奇数的簇，完美匹配中至少有一条边穿过簇的边界（相对应的，subtour约束的右边是2）。

3. 获取整数解

3.1 polyhedral combinatorics

我们以一个42城市为例，使用LP和subtour约束，得到结果如下：

虚线部分表示数值为0.5，其他部分数值为1，其中long path是城市30-42。

添加如下两个约束:

可以获得最终的整数解。
上面这种添加约束的方法，称为polyhedral combinatorics，即寻找所有整数解满足但是LP最优解不满足的约束。
当添加约束的方法对lb的改善低于一定阈值时，我们开始使用branch-and-bound方法来求解问题。

3.2 分枝定界法

分枝定界法是指将问题拆分成多个子问题来求解的一种方法。
如果只用subtour约束，我们可以结合分枝定界算法来处理整数约束条件：

分枝定界的关键是如何快速确定下界，否则膨胀速度会非常快。因此将其与分割法结合起来，得到新的分枝切割法。

4. 寻找cuts

这一节的目的是使用hierarchy decomposition的方法找到合适的cuts。

4.1 Tight sets和PQ树

tight set指的是满足$x(S,V-S)=2$的$S$。
我们首先选择一个城市exterior，然后定义$W=V-exterior$。
定义T为一颗PQ树，D(u)为u的所有叶子节点，B(T)为所有D(u)的集合。如果B(T)的所有元素都是tight set，那么我们称T和x相容。
例如下面的这棵PQ树就和3.1节的x相容（选择exterior为42）

4.2 使用shrinking寻找subtour constraints

shrinking指的是将集合$S$替换为点$\sigma$，相对应的，边集合做如下替换：

如果x满足subtour constraints，那么x相容的PQ树的所有u节点构成的x[u]也满足subtour constraints。