线性规划求解路径问题

问题描述

给定一个带权重的有向图G=(V,E),V为顶点集,E为有向边集,每一条有向边均有一个权重。对于给定的顶点s、t,以及V的子集V’,寻找从s到t的不成环有向路径P,使得P经过V’中所有的顶点(对经过V’中节点的顺序不做要求)。

整数规划求解思路

记边的变量为 ei 对应权重为 ci , 点记为 vi , 其出边记为 voji , 其入边记为 viji , 必经点记为 dji
可以建立如下规划方程

minciei

ei01

必经点出边和为1
jdoji=1

所有点出边和等于入边和
jviji=jvoji

普通点 出边和小于等于1
jviji1

起点 出边和为1, 入边和为0
jvijs=0
jvojs=1

终点 入边和为1, 出边和为0
jvijs=1
jvojs=0

这样使用支持 整数规划混合整数规划的求解器的求解器即可以求解。这样,就将路径问题转化为了线性规划问题。

防止环路

如下的拓扑中,边上的红色数字表示边的id, 绿色为对应的权重。
起点为0, 终点为1, 必经点为2,3。
这里写图片描述
可行路径为
0 -> 2 -> 3 -> 1, 权重为4
0 -> 3 -> 2 -> 1, 权重为5

但如果使用上面的模型求解,就会求出如下的结果
这里写图片描述
这样也符合以上的模型,但很明显,并不是起点到终点的有效路径。

必经点之间出现了环路。但在使用模型求解之前,是无法知道哪些边会组成环路的。
所以,最简单的思路就是,求解一次,检测是否出现了环路。如果有环路,就对组成环路的边加上限制。然后重新计算。但这样的效率明显不高。
这里介绍另一种防止环路的方法。
对所有边的起点和终点,添加如下约束方程:

eiseit+nein1

其中 eis eit 分别表示边 ei 的起点和终点。
如果部分边组成了环路,则环路部分的不等式相加,左侧的起点和终点恰好全部约去,就会出现 nn1 的矛盾情况。

通过添加这样的方程,即可以防止环路。

求解

用于求解线性规划问题的求解器有很多。我们使用的是lp_solve。之前没有接触过这个领域,使用之后,发现很方便。
建立模型,将模型表示为求解器的输入格式,直接输出结果。

写在后面的一些话

使用线性规划问题,求解路径问题,不同于搜索的方法。自己接触之后,感觉思路很新颖,很神奇,仿佛打开了另一个世界。
而建立模型,使用求解器求解。自己感觉是不是所谓的函数式编程。
求解器求解之前,对应的结果其实已经被模型确定了。求解过程只是找出这个解而已。
如果模型没有准确的描述问题,那得到的结果必然不正确。
函数式编程,还是得学习一个。

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
要使用线性规划求解TSP问题,你可以使用Python的优化库,如PuLP或cvxpy。下面是一个使用PuLP库的例子: ```python from pulp import * # 创建问题实例 prob = LpProblem("TSP_Problem", LpMinimize) # 创建变量 n = 4 # 城市数量 cities = range(n) # 城市列表 x = LpVariable.dicts("x", [(i, j) for i in cities for j in cities], cat='Binary') # 添加目标函数 prob += lpSum(x[i, j] * distance_matrix[i][j] for i in cities for j in cities) # 添加约束条件 for i in cities: prob += lpSum(x[i, j] for j in cities if j != i) == 1 prob += lpSum(x[j, i] for j in cities if j != i) == 1 # 避免出现子回路 u = LpVariable.dicts("u", cities, lowBound=0, upBound=n-1, cat='Integer') for i in cities: for j in cities: if i != j and (i != 0 and j != 0): prob += u[i] - u[j] + n * x[i, j] <= n - 1 # 求解问题 prob.solve() # 打印结果 print("最优路径:") for i in cities: for j in cities: if value(x[i, j]) == 1: print(f"从城市 {i} 到城市 {j}") print("最短距离:", value(prob.objective)) ``` 这个例子使用了PuLP库来创建一个线性规划问题实例,并使用变量`x`来表示城市间的路径。目标函数是最小化路径的总距离。约束条件包括每个城市仅能连接一条路径,以及避免出现子回路。 你需要自己定义城市之间的距离矩阵`distance_matrix`,并将其替换到代码中。这个例子仅展示了如何使用线性规划库来求解TSP问题的大致思路,具体实现还需要根据你的具体问题进行调整。
评论 3
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