对TSP旅行商问题目前一些理解

简介（百度百科）

旅行商问题(TravelingSalesmanProblem，TSP)是一个经典的组合优化问题。经典的TSP可以描述为：一个商品推销员要去若干个城市推销商品，该推销员从一个城市出发，需要经过所有城市后，回到出发地。应如何选择行进路线，以使总的行程最短。从图论的角度来看，该问题实质是在一个带权完全无向图中，找一个权值最小的Hamilton回路。由于该问题的可行解是所有顶点的全排列，随着顶点数的增加，会产生组合爆炸，它是一个NP完全问题。由于其在交通运输、电路板线路设计以及物流配送等领域内有着广泛的应用，国内外学者对其进行了大量的研究。早期的研究者使用精确算法求解该问题，常用的方法包括：分枝定界法、线性规划法、动态规划法等。但是，随着问题规模的增大，精确算法将变得无能为力，因此，在后来的研究中，国内外学者重点使用近似算法或启发式算法，主要有遗传算法、模拟退火法、蚁群算法、禁忌搜索算法、贪婪算法和神经网络等。 [2] 

一些算法总结

1.枚举法：直接枚举（n-1）!周游路线，时间复杂度O(n!)，一分钟内能解决10个顶点左右。

2.分支定界法：深度优先搜索过程中利用搜索过程中获得的上界和下界剪枝，并在搜索过程中优先选取最有可能是最优解的下一个节点。 时间复杂度取决于策略。

3.动态规划：假设d[i,S]表示--从i出发--经过集合S中所有城市--回到城市0--的最小费用。

则：1.转移方程： 

                   1).S不为空，d[i,S] = min{d[j,S-{j}] +W[i,j] |for(元素j属于集合S) } 

                   2).S为空 ,     d[i,0]  =  W[i,j]

 动态规划的时间复杂度是O(),空间复杂度O()

还有很多组合优化算法，神经网络等。。对目前的我来说太高级。。这里就不举例了。。。

最优解的一些规律

规律1：任意一条巡游路线的任意一个顶点V，度数为2。

证明：显然，经过一个顶点且只经过一次，就刚好度数为2

推论1：只要每个顶点互相连通  并且  度数为2，那么它是一条巡游路线。

规律2：最优解中任意两条边E1，E2不相交。（可用于搜索的剪枝）

证明：假设最优解中存在两条边相交，则追溯到被相交的两条边的四个顶点，如图

那么可以将相交的线改写成黄色部分，显然黄色部分不会影响矩形里面的其他整体。根据推论1，这是一条巡游路线。

根据三角形两边之和大于第三边， 黄色部分之和<绿色直线部分之和，所以假设不成立。

 

未完待续......