如何实现一个快速高效的启发式算法？

一、前言

小伙伴们好，说起来已经好久好久好久没见了呢！之前一直忙着做其他事情去了（泛指学习一类），公众号已经落下好久好久了。今天来写点好玩的东西。

说起来，小编似乎就是做启发式算法起家的。当时记得老师是这么跟我说的，启发式算法这东西很简单，你不需要基础，有高中基础就够了（其实他想说的是初中……）。后来小编一直在学这个东西，做了三四年了，用启发式算法做过的大大小小的project已经不记得有多少了，所以还算得上有一点点经验。

因此今天就来写写，怎样实现一个比较高效的启发式算法吧~

二、何为高效？

说到这个词，相信大家一定不陌生。高效意思就是达到相同效果或者更好的效果时，使用的时间更短，所需要的资源更少。就拿小编来说，由于小编特别笨，学一样东西需要花一周的时间，而群里的小伙伴只需要一天的时间就能学会。那么这位小伙伴是要比我高效的。

同样的对于一个启发式算法而言，不同人实现出来，即使是使用同一编程平台达到同样的效果，运行时间也会千差万别，相差几倍甚至几十倍。这样说出来大家可能还没啥感觉，那么放一下我们之前做过的一些数值实验大家直观感受下吧~

这是某个Java实现的求解VRP类问题的算法代码，两个算法都达到了同样的效果，只不过绿色曲线对应的算法在计算过程中去除了相关冗余，可以看到运行时间直线下降。根据我们的统计，消除冗余计算后可使计算时间降低约83%，对于工业化生产而言，提升哪怕一个小数点都能带来巨大的收益，何止是83个百分点呢。怎么说呢，这简直是A small step forward，one step civiliazation。

三、放码过来？

不要一上来就是写代码，不加思考就上手写代码，你只会搓一坨屎山出来，自己坑害自己。开始写代码之前一定要构思好算法的整体架构，解的表示方式，如何快速得到邻居解等。建议是思考的时间一定要占总时间的一半以上。

其实思路清晰写代码是非常快的，比如每次在写代码的时候我都会先写好注释，比如：

//1. 先获取所有可行点的信息

//2. 对点按照成本进行排序

//3. 贪心将各个点插入到解中

然后写的时候我只需要按照这个思路往下走就可以了，这就跟你写小学生作文一样，起床刷牙到公园看鲸鱼，一定要思路清晰。

四、邻居解如何计算？

到了今天的核心问题，我们都知道，邻域搜索过程中，邻居解与当前解相比往往只有细微的变化，因此迭代过程中绝大部分变量不需要重新计算，消除了冗余计算，可大大提高邻域搜索效率，降低运行时间。听不懂吗？没关系，我举例子，慢慢给你讲解。

下面是一个VRP问题（没有TW哦）的一个初始解$S_1$:

为了方便表示我们用$C(x)$表示x的cost吧，其中x可以为一个解、解中的一条路径。$c_{ij}$表示边<i,j>的距离。对于初始解，计算它的cost，只能是从头到尾挨个遍历一下了。因此:

$$C(S_1)=C(r_1)+C(r_2)+C(r_3)+C(r_4)$$

其中各条路径的cost又可以表示为：

$$\begin{gathered} C(r_1)=c_{0,6}+c_{6,4}+...+c_{8,0} \\ ...... \\ C(r_4)=c_{0,14}+c_{14,18}+...+c_{25,0} \end{gathered}$$

因此最后解的计算方式为：