【动态规划法】求解TSP问题

问题详情

求解下图所示的TSP问题，计算出所经过的城市编号以及最短路径值，城市代价矩阵如图所示：

求解思路

假设从顶点i出发，令d(i, V’ )表示从顶点i出发经过V’ 中各个顶点一次且仅一次，最后回到出发点（i）的最短路径长度，开始时， V’ ＝V－{i}，于是，TSP问题的动态规划函数为：
d(i, V’ )=min{cik+d(k, V’ －{k})} (k∈V’)
d(k,{})=cki (k≠i) (从k出发到达i的距离)

计算过程

从0城市出发经城市1、2、3然后回到0城市的最短路径长度是：
d(0,{1, 2, 3})=min{c01+d(1, { 2, 3}), c02+d(2, {1, 3}), c03+d(3, {1, 2})}
这是最后一个阶段的决策，而：
d(1, {2, 3})=min{c12+d(2, {3}), c13+ d(3, {2})}
d(2, {1, 3})=min{c21+d(1, {3}), c23+ d(3, {1})}
d(3, {1, 2})=min{c31+d(1, {2}), c32+ d(2, {1})}
这一阶段的决策又依赖于下面的计算结果：
d(1, {2})= c12+d(2, {}) d(2, {3})=c23+d(3, {})
d(3, {2})= c32+d(2, {}) d(1, {3})= c13+d(3, {})
d(2, {1})=c21+d(1, {}) d(3, {1})=c31+d(1, {})
而下式可以直接获得（括号中是该决策引起的状态转移）：
d(1, {})=c10=5(1→0) d(2, {})=c20=6(2→0) d(3, {})=c30=3(3→0)

再向前倒推，有：
d(1, {2})= c12+d(2, {})=2+6=8(1→2) d(1, {3})= c13+d(3, {})=3+3=6(1→3)
d(2, {3})= c23+d(3, {})=2+3=5(2→3) d(2, {1})= c21+d(1, {})=4+5=9(2→1)
d(3, {1})= c31+d(1, {})=7+5=12(3→1) d(3, {2})= c32+d(2, {})=5+6=11(3→2)
再向前倒退，有：
d(1, {2, 3})= min{c12+d(2, {3}), c13+ d(3, {2})}=min{2+5, 3+11}=7(1→2)
d(2, {1, 3})=min{c21+d(1, {3}), c23+ d(3, {1})}=min{4+6, 2+12}=10(2→1)
d(3, {1, 2})=min{c31+d(1, {2}), c32+ d(2, {1})}=min{7+8, 5+9}=14(3→2)
最后有：
d(0, {1, 2, 3})=min{c01+ d(1, { 2, 3}), c02+ d(2, {1, 3}), c03+ d(3, {1, 2})}
=min{3+7, 6+10, 7+14}=10(0→1)
所以，从顶点0出发的TSP问题的最短路径长度为10，路径是0→1→2→3→0。

动态规划法求解TSP问题的填表过程
假设n个顶点用0～n-1的数字编号，首先生成1～n-1个元素的子集存放在数组V[2n-1]中，设数组d[n][2n-1]存放迭代结果，其中d[i][j]表示从顶点i经过子集V[j]中的顶点一次且仅一次，最后回到出发点0的最短路径长度。(从顶点0出发)

代码实现

#include<iostream>
#include<iomanip>
#include<cmath>
using namespace std;
#define MAX_IN 10

class Tsp
{
   
private:
	int city_number;		//城市个数
	int **distance;			//城市距离矩阵
	int **process;			//求最短路径的过程矩阵
public:
	Tsp(int city_number);		//构造函数
	void correct();			//矫正输入的城市代价矩阵
	void printCity();		//打印城市的距离矩阵
	void getShoretstDistance();	//动态规划法求最短路径
	void printProcess();		//打印过程矩阵

};