优化 | 浅谈旅行商（TSP）的七种整数规划模型

作者：彭澜

纽约州立大学水牛城分校工业工程系在读博士生，研究方向：车辆路径规划问题（VRP）

旅行商问题（TSP）是运筹学领域最知名的问题之一。本文将从整数规划模型建模的角度，介绍七种不同的建模方式，给大家提供对TSP的不同视角。

引言

本文将讨论“茴”字的六种写法，啊不对，旅行商问题的五类共七种建模模型。首先是两个最经典的模型，即DFJ模型和MTZ模型，这两个模型相信了解运筹学的朋友都有所接触，本文仅作少量拓展介绍。接下来的两类模型分别是基于货物流和最短路的模型，在国内现行的教材和中文材料中介绍较少，借此文也给大家提供一些思路。最后一个模型是分配问题模型，讨论了同样是解决TSP，采取最糟糕的建模方式的情况下模型能有多糟糕，也算是一个很有意思的角度。

Dantzig-Fulkerson-Johnson模型

首先我们来介绍TSP发展历史上的第一个基于割平面法的，也是最重要的模型——Dantzig-Fulkerson-Johnson（DFJ）模型。一看名字就知道，这三位都是运筹学巨擘：G. Dantzig是单纯形法的发明者，R. Fulkerson和L. Ford Jr. 共同发明了最大流网络问题中的经典的Ford-Fulkerson算法, S. M. Johnson是Ford-Johnson排序算法的发明者之一，该排序算法在提出后的20年内一直是排序算法中已知需要进行排序次数最少的。DFJ模型自1954年提出以来，一直都在TSP和VRP（车辆路径规划问题）的研究中占据核心的地位，其子回路消除约束也启发了各类TSP或VRP拓展模型。

对于DFJ模型，我们定义决策变量为0-1变量xij:

模型的目标函数可以写作

DFJ模型只有三组约束条件，如下

 其中，约束（3）和约束（4）是流平衡约束，意味着对于每一个顾客（或仓库站点），都会从上一个顾客处出发去访问该顾客，也会从该顾客处出发去访问下一个顾客。但是如果只有这两组约束，我们只能保证每个顾客都连接到其他顾客处，无法保证所有的顾客都连接在同一条回路上，也就是无法避免下图所示的情形：

我们将这种无法覆盖所有顾客的回路称作子回路（subtour），约束（5）的目的就是消除所有的这种子回路，从而保证全局只有一条回路且该回路覆盖了所有节点。约束（5）的内容是，对于所有节点的集合V的所有子集合，如果这个子集合S不是只有一个节点或者包含了所有节点的特殊情形，那么，必须要有一条边从子集合S外出发，进入子集合S，且有另一条边从子集合S出发，到达子集合外的节点上。这样一来，所有的节点就都必须连接在同一条回路上，形成TSP的完整回路。

另一种对约束（5）等价的描述方式如下：

约束（6）的意思是，同样地，对于这些子集合，子集合内的节点之间的连边必须小于|S|-1，这样在子集合内就无法形成回路（对于n个节点，形成回路至少要n条边）。

由于子集合S是节点集合V的子集，而这种子集的数量是指数规模的，也就是说，在有n个顾客的算例中，DFJ模型的约束数量是级别的，决策变量的个数是级别的。这就使得直接使用DFJ模型，罗列出所有的约束条件后进行求解不具有可行性，因此，通常我们会使用Lazy约束来进行求解。

所谓的Lazy约束其实是指在模型建立的时候不添加这组子回路约束，每次求解得到可行解（这里的可行解是指没有添加子回路约束的情况下的可行解，对于TSP本身不一定是可行解）后验证得到的解，如果解中存在子回路，那么就将子回路对应的约束添加进模型中，继续/重新对模型进行求解。这样一来，在绝大多数情况下，我们就不需要涉及到所有子回路约束，而只需要添加相对之下非常少量的约束就能进行求解。

目前运筹学领域常用的求解器（包括Gurobi，CPLEX等）都提供了callback功能，也就是在求解的过程中，一旦搜索到一个整数解，就调用callback函数，添加约束。由于求解采用的是割平面法，添加约束后依然可以继续进行，所以模型求解不需要停下来。另一种实现方法相对简单，就是不使用callback功能，采用一个大的for loop，同样是先不添加任何子回路约束，然后在for loop中每次求解完成后判断是否产生了子回环，如果产生，那么添加对应的约束，重新求解整个模型，直至求得的解不包括子回路为止。有趣的是，后者虽然看上去一定比前者的效率低，但实际上并不一定，在一些少数情况下也有可能采用第二种方法的DFJ反而运算速度更快些。本文的最后我们将对比两种方法的运算效率（分别记作DFJ_Lazy和DFJ_PlainLoop）。

 Miller-Tucker-Zemlin模型

在DFJ模型中，虽然得到的可行域非常紧凑，但子回路约束的个数是指数增长的，学界为了替代这组约束进行了诸多尝试。著名的Miller-Tucker-Zemlin（MTZ&