【运筹优化】不同版本 Cplex 求解 TSP 的速度对比 + Java 代码实现

已于 2023-05-29 20:33:08 修改
阅读量6.2k 收藏 3
点赞数 4
分类专栏： # 运筹优化 人工智能 文章标签： 算法 TSP Java Cplex 性能测试
于 2023-02-12 09:25:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51545953/article/details/128985437
版权

文章目录

一、前言

本文测试了Cplex的不同版本：12.6.3、12.8.0、12.9.0、12.10、20.10、22.10 在 TSP 问题上的求解性能

测试环境：Win11 + CPU i9-12900H + 内存32G + Java8

二、完整代码

2.1 算法部分

求解 TSP 的模型采用 MTZ 消除子回路，建立混合整数规划模型如下（Java 代码）：

public class IP_TSP {
    // 城市坐标<[x,y]>
    List<double[]> locationList;
    // 距离矩阵
    double[][] distance;
    // 城市数量
    int cityNum;
    // 开始地点索引
    int startIndex;

    public IP_TSP(List<double[]> locationList) {
        this.locationList = locationList;
    }

    public void solve() {
        initVar();
        solver();
    }

    private void solver() {
        try {
            IloCplex cplex = new IloCplex();
            //决策变量
            IloIntVar[][] intVars = new IloIntVar[cityNum][cityNum];
            for (int i = 0; i < cityNum; i++) {
                for (int j = 0; j < cityNum; j++) {
                    if (i != j) {
                        intVars[i][j] = cplex.intVar(0, 1);
                    }
                }
            }
            //目标函数
            IloLinearNumExpr target = cplex.linearNumExpr();
            for (int i = 0; i < cityNum; i++) {
                for (int j = 0; j < cityNum; j++) {
                    if (i != j) {
                        target.addTerm(distance[i][j], intVars[i][j]);
                    }
                }
            }
            //求目标函数的最小值
            cplex.addMinimize(target);
            //约束
            //约束1：每行每列之和等于1
            for (int i = 0; i < cityNum; i++) {
                IloLinearNumExpr expr_row = cplex.linearNumExpr();
                IloLinearNumExpr expr_col = cplex.linearNumExpr();
                for (int j = 0; j < cityNum; j++) {
                    if (i != j) {
                        expr_row.addTerm(1, intVars[i][j]);
                        expr_col.addTerm(1, intVars[j][i]);
                    }
                }
                cplex.addEq(expr_row, 1);
                cplex.addEq(expr_col, 1);
            }
            //约束2：消除子回路
            IloNumVar[] u = cplex.numVarArray(cityNum, 0, Double.MAX_VALUE);
            for (int i = 1; i < cityNum; i++) {
                for (int j = 1; j < cityNum; j++) {
                    if (j != i) {
                        IloLinearNumExpr expr = cplex.linearNumExpr();
                        expr.addTerm(1.0, u[i]);
                        expr.addTerm(-1.0, u[j]);
                        expr.addTerm(cityNum - 1, intVars[i][j]);
                        cplex.addLe(expr, cityNum - 2);
                    }
                }
            }
            //取消cplex输出
            cplex.setOut(null);
            //求解
            if (cplex.solve()) {
                List<Integer> bestPath = new ArrayList<>();
                bestPath.add(startIndex);
                int index = startIndex;
                while (true) {
                    for (int i = 0; i < intVars[index].length; i++) {
                        if (index != i && cplex.getValue(intVars[index][i]) > 1e-06) {
                            index = i;
                            bestPath.add(i);
                            break;
                        }
                    }
                    if (index == startIndex) {
                        break;
                    }
                }
                System.out.println("最短路径为：" + bestPath);
                System.out.println("最短路径长度为：" + cplex.getObjValue());
            } else {
                System.err.println("此题无解");
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    // 初始化变量
    public void initVar() {
        // 开始地点索引
        startIndex = 0;
        // 城市数量为点的数量
        cityNum = locationList.size();
        // 距离矩阵
        distance = new double[cityNum][cityNum];
        // 初始化距离矩阵
        for (int i = 0; i < distance.length; i++) {
            for (int j = i; j < distance[i].length; j++) {
                if (i == j) {
                    // 对角线为无穷大
                    distance[i][j] = Double.MAX_VALUE;
                } else {
                    // 计算i到j的距离
                    distance[i][j] = getDistance(locationList.get(i), locationList.get(j));
                    distance[j][i] = distance[i][j];
                }
            }
        }
    }

    // 计算两点之间的距离（使用伪欧氏距离，可以减少计算量）
    public double getDistance(double[] place1, double[] place2) {
        // 伪欧氏距离在根号内除以了一个10
//        return Math.sqrt((Math.pow(place1[0] - place2[0], 2) + Math.pow(place1[1] - place2[1], 2)) / 10.0);
        return Math.sqrt((Math.pow(place1[0] - place2[0], 2) + Math.pow(place1[1] - place2[1], 2)));
    }

}

2.2 调用部分

下面代码通过随机的方式，创造了城市数量 30~40 的 11 个 TSP 随机案例

public class Test {
    public static String line = "-------------------------------------------------------------------------";

    public static void main(String[] args) {
        Random random = new Random(666L);
        for (int cityNum = 30; cityNum <= 40; cityNum++) {
            solveByMip(cityNum, random);
        }
    }

    public static void solveByMip(int cityNum, Random random) {
        long startTime = System.currentTimeMillis();
        List<double[]> locationList = createLocationList(cityNum, random);
        new IP_TSP(locationList).solve();
        System.out.println("cityNum: " + cityNum + " , solveTime: " + ((System.currentTimeMillis() - startTime) / 1000d) + " s");
        System.out.println(line);
    }

    public static List<double[]> createLocationList(int cityNum, Random random) {
        List<double[]> locationList = new ArrayList<>();
        for (int i = 0; i < cityNum; i++) {
            locationList.add(new double[]{random.nextDouble() * 10000, random.nextDouble() * 10000});
        }
        return locationList;
    }

}

三、运行结果示例

下面的输出是用 Cplex12.6.3 运行出来的，其他版本的运行输出就不展示了，在下一章直接对不同版本的求解速度进行统计

最短路径为：[0, 5, 14, 8, 17, 1, 3, 13, 11, 27, 29, 22, 12, 25, 20, 26, 4, 10, 7, 24, 21, 15, 9, 23, 19, 2, 16, 6, 18, 28, 0]
最短路径长度为：45583.110232714316
cityNum: 30 , solveTime: 0.573 s
-------------------------------------------------------------------------
最短路径为：[0, 12, 17, 27, 23, 21, 11, 14, 30, 19, 3, 29, 18, 13, 15, 26, 28, 1, 5, 16, 8, 20, 4, 10, 22, 9, 7, 2, 24, 6, 25, 0]
最短路径长度为：42724.7438801804
cityNum: 31 , solveTime: 0.18 s
-------------------------------------------------------------------------
最短路径为：[0, 26, 14, 5, 11, 9, 21, 13, 2, 22, 1, 7, 16, 15, 25, 27, 4, 17, 10, 28, 3, 23, 12, 30, 24, 31, 8, 6, 29, 20, 18, 19, 0]
最短路径长度为：46736.35653970036
cityNum: 32 , solveTime: 1.022 s
-------------------------------------------------------------------------
最短路径为：[0, 10, 16, 9, 23, 1, 3, 14, 6, 25, 26, 7, 5, 28, 8, 27, 12, 32, 11, 24, 21, 30, 17, 2, 22, 13, 29, 31, 19, 20, 15, 4, 18, 0]
最短路径长度为：45233.949316241386
cityNum: 33 , solveTime: 4.06 s
-------------------------------------------------------------------------
最短路径为：[0, 28, 5, 14, 13, 18, 26, 11, 16, 8, 33, 25, 20, 19, 27, 7, 24, 17, 21, 22, 12, 2, 15, 10, 31, 9, 29, 6, 23, 3, 4, 1, 30, 32, 0]
最短路径长度为：46999.268123455695
cityNum: 34 , solveTime: 0.787 s
-------------------------------------------------------------------------
最短路径为：[0, 16, 14, 20, 27, 21, 10, 3, 23, 33, 29, 25, 6, 18, 17, 28, 7, 31, 19, 26, 32, 8, 5, 9, 4, 34, 2, 12, 13, 22, 30, 1, 11, 24, 15, 0]
最短路径长度为：51482.36852924586
cityNum: 35 , solveTime: 0.374 s
-------------------------------------------------------------------------
最短路径为：[0, 23, 26, 35, 33, 29, 30, 15, 20, 12, 3, 17, 18, 24, 8, 27, 19, 21, 32, 31, 22, 34, 7, 1, 16, 13, 4, 28, 10, 2, 11, 5, 6, 9, 25, 14, 0]
最短路径长度为：49420.551512260885
cityNum: 36 , solveTime: 0.896 s
-------------------------------------------------------------------------
最短路径为：[0, 12, 1, 7, 10, 33, 32, 20, 21, 8, 29, 2, 6, 18, 36, 9, 28, 35, 31, 15, 27, 30, 22, 25, 34, 5, 23, 26, 14, 13, 19, 24, 3, 4, 16, 17, 11, 0]
最短路径长度为：52096.36583441236
cityNum: 37 , solveTime: 4.602 s
-------------------------------------------------------------------------
最短路径为：[0, 10, 13, 12, 19, 1, 21, 18, 28, 22, 9, 15, 25, 31, 23, 30, 5, 29, 16, 3, 7, 33, 36, 11, 8, 27, 4, 6, 20, 24, 14, 34, 17, 2, 35, 37, 26, 32, 0]
最短路径长度为：48481.89773743604
cityNum: 38 , solveTime: 5.914 s
-------------------------------------------------------------------------
最短路径为：[0, 15, 35, 20, 14, 32, 12, 29, 37, 5, 11, 16, 13, 6, 3, 25, 23, 9, 19, 22, 27, 38, 1, 34, 24, 4, 8, 31, 30, 10, 7, 26, 33, 18, 17, 28, 36, 21, 2, 0]
最短路径长度为：46654.509283092666
cityNum: 39 , solveTime: 0.773 s
-------------------------------------------------------------------------
最短路径为：[0, 24, 35, 4, 14, 16, 28, 39, 17, 30, 22, 37, 21, 8, 34, 13, 12, 19, 5, 20, 31, 9, 18, 25, 29, 27, 10, 33, 7, 3, 23, 6, 1, 2, 36, 38, 32, 15, 26, 11, 0]
最短路径长度为：50592.89805137726
cityNum: 40 , solveTime: 0.773 s
-------------------------------------------------------------------------

四、求解时间统计

在这里插入图片描述
表格里的数值是求解时间，单位是秒。

通过记录分析，我们可以发现整体表现最好的版本是 Cplex12.6.3，其不仅平均求解时间最短，且发挥也是最稳定的

WSKH0929
关注
  • 4
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Arduino 用4位共阳数码管造一个计数器计时器思路
qq_40286628的博客
09-11 5117
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 之前看了文章https://blog.csdn.net/ling3ye/article/de
【CPLEX教程03】java调用cplex求解一个TSP问题模型
infinitor的博客
07-10 1054
00 前言 前面我们已经搭建好cplex的java环境了，相信大家已经跃跃欲试，想动手写几个模型了。今天就来拿一个TSP的问题模型来给大家演示一下吧~ CPLEX系列教程可以关注我们的公众号哦！获取更多精彩消息！ 01 TSP建模 关于TSP建模，就不多解释了。以及什么是TSP问题，也不要问我了。直接贴一个现成的模型出来吧。 02 程序框架 整个程序框架如图，app下是调用cplex的主要pa...
Yalmip+Cplex 版本不匹配问题（以Cplex 12.9为例）
热门推荐
yltong1的博客
11-27 1万+
** Yalmip+Cplex 版本不匹配问题（以Cplex 12.9为例） ** 近日，需要求解一个线性规划问题，想到了我很久不用的Matlab + Yalmip + Cplex 一般规划求解神器。当我愉快的敲完我需要求解的问题，然后，调用Cplex时，提示我找不到cplex。这时，我感到一头雾水，再次检查了Yalmip以及cplex确实添加到了matlab的路径中。经过搜索，我发现了一个可以查...
二维装箱模型及CPLEX求解代码
hezhanwenniubi的博客
05-03 686
本文针对二维集装箱装载问题建立混合整数规划模型，并利用CPLEX求解。
基于Java的Cplex入门
简简单单的学习笔记，致力于帮助更多前进路上的朋友~
06-25 3209
包括我本人学习Cplex时的一些学习的心得和编码技巧。
使用Java调用Cplex求解带时间窗的车辆路径问题
最新发布
博客简介
02-21 673
在使用大M法的时候，务必注意M的取值：不能取太小，也不能取太大！取太小可能导致出现不可行解，取太大可能会因为计算机的精度问题导致约束失效。待优化的问题即为，如何决策车辆访问客户的路径，使得在满足一定约束的条件下，实现最小化总成本的目标。如果尝试减去数据类型的最大可能值，则这将导致一些计算问题。表示了车站与客户之间，以及客户之间的有向连接。所有车辆通常是同质化的，每辆车都存在容量上限。所有节点的集合可表示为。会导致求解出现问题，得不到最优解。个点组成，其中客户由。，时间可以包括在弧上。都有需要被满足的需求。
java cplex编程--线性规划之网络负载均衡
lovemylife1234的博客
11-30 2759
这学期老师布置了线性规划的Project，要求使用cplex解决一个网络负载均衡的问题，我采用了java语言来编写程序，一开始没接触过clex，踩了好多坑，总算是做出来了。 问题：给定一个网络拓扑G（V,E），节点个数为N，业务需求个数N*（N-1），并且给定各条链路的容量，优化目标是网络负载均衡并且网络的最大链路利用率最小。 求解: 所建立的模型如下： edge.java:对网络...
TSP问题的cplex程序
09-16
通过分析和理解这个Cplex求解TSP的程序，我们可以深入学习到如何利用优化工具解决实际问题，以及Cplex在处理复杂优化问题时的强大能力。同时，这也为我们提供了研究和改进优化算法的一个实际应用场景。
tsp.rar_tsp
09-20
5. 整数线性规划：将TSP转换为一个ILP（Integer Linear Programming）问题，然后用线性规划求解器如GLPK或CPLEX求解。 6. 最近邻法和远thest-neighbor法：简单但效率较低的启发式方法。 7. Christofides算法：提供了...
TSP.rar_tsp
09-23
6. **整数线性规划**：通过将TSP转化为线性规划问题，使用高效的ILP求解器（如CPLEX或Gurobi）来逼近最优解。这种方法在理论上有保证，但随着城市数量增加，计算需求迅速增长。 在您提供的压缩包“TSP.rar_tsp”中...
cplex-12.10
08-02
cplex-12.10
cplex9.0示例程序
09-25
CPLEX 能够以最快的速度最可靠地实现基本算法， 以解决困难的数学优化问题。这个示例程序中包含了include,lib,dll及.ilm文件，vc6.0 winxp环境下测试通过,得到最优解.
cplex Java jar包和配置方式
12-06
CPLEX的配置方式，有详细的配置Java调用CPLEX的方式已经cplex.jar包。
cplex_studio129.win-x86-64.exe CPLEX 12.9直接安装可使用
08-24
CPLEX 12.9直接安装可使用（用于学术研究）
cplex 12.6 大小797M
11-23
无限制的 cplex 12.6，cplex_studio1263.win-x86-64.exe 安装包 。Quick Start to IBM ILOG Optimization products
tsp.rar_Python tsp_python TSP问题_tsp_tsp python_旅行商
09-19
6. **整数线性规划**：将TSP转化为ILP（Integer Linear Programming）问题，利用数学优化软件如Gurobi或CPLEX求解。这种方法能够找到精确解，但计算成本较高。 在**tsp.py**中，可能还会涉及以下内容： - **数据...
美赛各题型常见参考代码：基于线性整数规划离散型优化问题代码.zip
08-05
这些代码可能涵盖多种编程语言，如Python、C++或Java，使用了不同的求解库，如Gurobi、CPLEX或者开源的LP solvers（如GLPK）。 在离散型优化问题中，决策变量只能取整数值。线性整数规划通过构建线性目标函数和一...
【运筹优化】Java 调用 Cplex 建立混合整数规划模型求解 TSP 问题
知不足而奋进，望远山而前行
02-12 5734
本文采用 Miller-Tucker-Zemlin 模型对 TSP 问题进行建模。
【运筹优化】运输问题建模 + Java调用Cplex求解
知不足而奋进，望远山而前行
08-16 1971
运输问题(transportation problem）一般是研究把某种商品从若干个产地运至若干个销地而使总运费最小的一类问题。在料场与工地之间计算一个距离弧，然后将分配到弧上的运输量作为决策变量，从而建立线性规划模型调用Cplex求解。本博客将根据下面的例题，介绍运输问题的建模和求解。的欧几里得距离（km），运输的水泥量（吨），
Java调用cplex求解tsp问题
05-23
要在Java中调用Cplex求解TSP问题，您需要使用Cplex Java API。下面是一个简单的例子，演示如何使用Cplex Java API解决TSP问题： ```java import ilog.concert.*; import ilog.cplex.*; public class TSP { public static void main(String[] args) { int n = 4; // number of cities double[][] c = new double[n][n]; // cost matrix // fill in the cost matrix c[0][1] = 2; c[0][2] = 9; c[0][3] = 10; c[1][2] = 6; c[1][3] = 4; c[2][3] = 3; try { IloCplex cplex = new IloCplex(); // create variables IloNumVar[][] x = new IloNumVar[n][]; for (int i = 0; i < n; i++) { x[i] = cplex.boolVarArray(n); x[i][i].setLB(0); } // create objective function IloLinearNumExpr obj = cplex.linearNumExpr(); for (int i = 0; i < n; i++) { for (int j = 0; j < n; j++) { if (i != j) { obj.addTerm(c[i][j], x[i][j]); } } } cplex.addMinimize(obj); // add constraints for (int i = 0; i < n; i++) { IloLinearNumExpr expr = cplex.linearNumExpr(); for (int j = 0; j < n; j++) { if (i != j) { expr.addTerm(1, x[i][j]); } } cplex.addEq(expr, 1); } for (int j = 0; j < n; j++) { IloLinearNumExpr expr = cplex.linearNumExpr(); for (int i = 0; i < n; i++) { if (i != j) { expr.addTerm(1, x[i][j]); } } cplex.addEq(expr, 1); } // solve the problem if (cplex.solve()) { System.out.println("Solution status: " + cplex.getStatus()); System.out.println("Objective value: " + cplex.getObjValue()); for (int i = 0; i < n; i++) { for (int j = 0; j < n; j++) { if (i != j && cplex.getValue(x[i][j]) > 0.5) { System.out.println("Edge from " + i + " to " + j); } } } } else { System.out.println("No solution found"); } cplex.end(); } catch (IloException e) { System.err.println("Concert exception " + e); } } } ``` 在这个例子中，我们首先定义了一个包含4个城市的TSP问题，然后使用Cplex Java API建立模型，并求解该问题。该模型包括一个目标函数和两个约束条件。目标函数是所有边的代价的总和，约束条件确保每个城市恰好访问一次，并且每个城市离开恰好一次。最后，我们输出找到的最优解。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

WSKH0929

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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