分支限界法TSP问题

分支限界法TSP问题

//分支限界法
#include<iostream>
#include<algorithm>
#include<cstdio>
#include<queue>
const int INF = 100000;
const int MAX_N = 22;
using namespace std;
//n*n的一个矩阵
int n;
int cost[MAX_N][MAX_N];//最少3个点,最多MAX_N个点
struct Node
{
    bool visited[MAX_N];//标记哪些点走了
    int s;//第一个点
    int s_p;//第一个点的邻接点
    int e;//最后一个点
    int e_p;//最后一个点的邻接点
    int k;//走过的点数
    int sumv;//经过路径的距离
    int lb;//目标函数的值(目标结果)
    bool operator <(const Node &p)const
    {
        return p.lb < lb;//目标函数值小的先出队列
    }
};
priority_queue<Node> pq;//创建一个优先队列
int low, up;//下界和上界
bool dfs_visited[MAX_N];//在dfs过程中搜索过

                        //确定上界,利用dfs(属于贪心算法),贪心法的结果是一个大于实际值的估测结果
int dfs(int u, int k, int l)//当前节点,目标节点,已经消耗的路径
{
    if (k == n) return l + cost[u][1];//如果已经检查了n个节点,则直接返回路径消耗+第n个节点回归起点的消耗
    int minlen = INF, p;
    for (int i = 1; i <= n; i++)
    {
        if (!dfs_visited[i] && minlen > cost[u][i])//取与所有点的连边中最小的边
        {
            minlen = cost[u][i];//找出对于每一个节点,其可达节点中最近的节点
            p = i;
        }
    }
    dfs_visited[p] = true;//以p为下一个节点继续搜索
    return dfs(p, k + 1, l + minlen);
}
void get_up()
{
    dfs_visited[1] = true;//以第一个点作为起点
    up = dfs(1, 1, 0);
}
//用这种简单粗暴的方法获取必定小于结果的一个值
void get_low()
{
    //取每行最小值之和作为下界
    low = 0;
    for (int i = 1; i <= n; i++)
    {
        //创建一个等同于map的临时数组,可用memcpy
        int tmpA[MAX_N];
        for (int j = 1; j <= n; j++)
        {
            tmpA[j] = cost[i][j];
        }
        sort(tmpA + 1, tmpA + 1 + n);//对临时的数组进行排序
        low += tmpA[1];
    }
}
int get_lb(Node p)
{
    int ret = p.sumv * 2;//路径上的点的距离的二倍
    int min1 = INF, min2 = INF;//起点和终点连出来的边
    for (int i = 1; i <= n; i++)
    {
        //cout << p.visited[i] << endl;
        if (!p.visited[i] && min1 > cost[i][p.s])
        {
            min1 = cost[i][p.s];
        }
        //cout << min1 << endl;
    }
    ret += min1;
    for (int i = 1; i <= n; i++)
    {
        if (!p.visited[i] && min2 > cost[p.e][i])
        {
            min2 = cost[p.e][i];
        }
        //cout << min2 << endl;
    }
    ret += min2;
    for (int i = 1; i <= n; i++)
    {
        if (!p.visited[i])
        {
            min1 = min2 = INF;
            for (int j = 1; j <= n; j++)
            {
                if (min1 > cost[i][j])
                    min1 = cost[i][j];
            }
            for (int j = 1; j <= n; j++)
            {
                if (min2 > cost[j][i])
                    min2 = cost[j][i];
            }
            ret += min1 + min2;
        }
    }
    return (ret + 1) / 2;
}

int solve()
{
    //贪心法确定上界
    get_up();
    //取每行最小的边之和作为下界
    //cout << up << endl;//test
    get_low();
    //cout << low << endl;//test
    //设置初始点,默认从1开始
    Node star;
    star.s = 1;//起点为1
    star.e = 1;//终点为1
    star.k = 1;//走过了1个点
    for (int i = 1; i <= n; i++)
    {
        star.visited[i] = false;
    }
    star.visited[1] = true;
    star.sumv = 0;//经过的路径距离初始化
    star.lb = low;//让目标值先等于下界    
    int ret = INF;//ret为问题的解
    pq.push(star);//将起点加入队列
    while (pq.size())
    {
        
        Node tmp = pq.top();pq.pop();
        if (tmp.k == n - 1)//如果已经走过了n-1个点
        {
            //找最后一个没有走的点
            int p;
            for (int i = 1; i <= n; i++)
            {
                if (!tmp.visited[i])
                {
                    p = i;//让没有走的那个点为最后点能走的点
                    break;
                }
            }
            int ans = tmp.sumv + cost[p][tmp.s] + cost[tmp.e][p];//已消耗+回到开始消耗+走到P的消耗
            //如果当前的路径和比所有的目标函数值都小则跳出
            if (ans <= tmp.lb)
            {
                ret = min(ans, ret);
                break;
            }
            //否则继续求其他可能的路径和,并更新上界
            else
            {
                up = min(up, ans);//上界更新为更接近目标的ans值
                ret = min(ret, ans);
                continue;
            }
        }
        //当前点可以向下扩展的点入优先级队列
        Node next;
        for (int i = 1; i <= n; i++)
        {
            if (!tmp.visited[i])
            {
                //cout << "test" << endl;
                next.s = tmp.s;//沿着tmp走到next,起点不变            
                next.sumv = tmp.sumv + cost[tmp.e][i];//更新路径和                
                next.e = i;//更新最后一个点                
                next.k = tmp.k + 1;//更新走过的顶点数                
                for (int j = 1; j <= n; j++) next.visited[j] = tmp.visited[j];//tmp经过的点也是next经过的点
                next.visited[i] = true;//自然也要更新当前点
                //cout << next.visited[i] << endl;
                next.lb = get_lb(next);//求目标函数
                //cout << next.lb << endl;
                if (next.lb > up) continue;//如果大于上界就不加入队列
                pq.push(next);//否则加入队列
                //cout << "test" << endl;
            }
        }
        //cout << pq.size() << endl;BUG:测试为0
    }
    return ret;
}
int main()
{
    cin >> n;
    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= n; j++)
        {
            cin >> cost[i][j];
            if (i == j)
            {
                cost[i][j] = INF;
            }
        }
    }
    cout << solve() << endl;
    return 0;
}

/*测试
5
100000 5 61 34 12
57 100000 43 20 7
39 42 100000 8 21
6 50 42 100000 8
41 26 10 35 100000
36
请按任意键继续. . .
*/

  • 1
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TSP问题(Traveling Salesman Problem,旅行商问题)是一个经典的组合优化问题,目标是找到一条路径,使得旅行商从起点出发,经过所有城市恰好一次,最后回到起点,并且总路径长度最短。 分支限界算法是一种常用于解决TSP问题算法。其本质是宽度优先算法,通过遍历搜索空间中的所有可能解,并根据一些剪枝策略来减少搜索的时间和空间复杂度,从而找到最优解。 在分支限界算法中,为了提高算法的效率,可以给最优解赋予一个合适的初值,便于进行剪枝操作。一种常见的做法是使用贪心算法求得一个近似最优解作为最优解的初值,这样可以显著提高剪枝效果。 下面是一个示例代码,演示了如何使用分支限界算法解决TSP问题: ```python import numpy as np def tsp(graph, start): n = len(graph) visited = [False] * n visited[start] = True path = [start] min_cost = float('inf') def backtrack(curr, cost, count): nonlocal min_cost if count == n - 1: min_cost = min(min_cost, cost + graph[curr][start]) return for i in range(n): if not visited[i]: visited[i] = True path.append(i) backtrack(i, cost + graph[curr][i], count + 1) path.pop() visited[i] = False backtrack(start, 0, 0) return min_cost # 示例图的邻接矩阵表示 graph = np.array([[0, 2, 9, 10], [1, 0, 6, 4], [15, 7, 0, 8], [6, 3, 12, 0]]) start_city = 0 shortest_path = tsp(graph, start_city) print("Shortest path length:", shortest_path) ``` 这段代码使用了回溯法来遍历所有可能的路径,并通过剪枝操作来减少搜索空间。其中,`graph`是TSP问题的邻接矩阵表示,`start_city`是起始城市的索引,`shortest_path`是最短路径的长度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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