0
分享
旅行商问题,是一个经典的组合优化问题,而且是著名NP问题之一。如下图所示
,可以想象,有A,B,C,D,E 五个地点,我们想找到一条路径,从地点A出发,经过剩余四个地点,然后回到地点A,从所有可能路径中找到距离最短的一条路径。本章借用了文献[*1]的图表。
最简单的求解方式就是,如下图所示把所有的求解路径全部计算一遍,然后算出每条路径的长度,求出最短路径。
如下图所示,所有的枚举路径总共有24条,我们可以很快找到最短路径。
如果下面A~Z的情况,这个计算量,日本的第一超级计算机富岳,每秒的计算速度约为44.2京次(京是10的16次方,即万兆)。一年的秒数是3600×24×365=3153.6万秒。有兴趣的可以计算一下要算多少年。
该问题输入有两个,这里借用了文章[*2]的图表:
地点数目:N
地点之间的距离:l i , j ( i = 1 , ・・・ , N )
约束条件:
每个时间步只能访问一个地点。
每个地点都访问过一次。
整体的Hamilton量H 如下:
目标变量x i , j
的两个下标的意思如下图所示,绿色的圆圈代表在某个时间步访问了某个第地点,所以我们的目标变量就可以用0或1表示了,0代表未访问,1代表访问。
约束条件比较简单,先从约束条件解释,这里有2个约束可以解释如下:
=> 上图矩阵里的每列元素之和必须为1。也就是每列中只有一个元素为1。
=> 上图矩阵里的每行元素之和必须为1。也就是每行中只有一个元素为1。
具体表达式如下:
解析:
x i , t x j , t + 1:
这里的目标函数,最难理解的是x i , t x j , t + 1 。可以理解为【t 时间步访问地点i,t + 1 时间步访问地点j时,x i , t x j , t + 1 =1;其他的情况,x i , t x j , t + 1=0】。
:
该表达式代表了,【t 时间步访问地点i,t + 1时间步访问地点j jj时,地点i ii和j jj之间的距离ℓ i , j 之和】。所以,这个目标函数就代表了,从初始地点,经过所有地点后,回到初始地点的距离总和。
旅行商问题,是比较有实际意义的应用问题,大家能体会到怎么把现实问题抽象出binary变量,然后怎么把制约条件表达出来。因为,上面的建模有两种编程实现方式,为了控制篇幅,下一篇献上Python代码。
参考文献: [*1] : https://www.nttdata.com/jp/ja/-/media/nttdatajapan/files/news/services_info/2021/012800/012800-01.pdf [*2] : https://qiita.com/yufuji25/items/0425567b800443a679f7
参考文献:
[*1] : https://www.nttdata.com/jp/ja/-/media/nttdatajapan/files/news/services_info/2021/012800/012800-01.pdf
[*2] : https://qiita.com/yufuji25/items/0425567b800443a679f7
————————————————
本文转自CSDN平台博主:gang_unerry
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。
原文链接:https://blog.csdn.net/gangshen1993/article/details/127602524
完善个人信息
可获得CPQC-550比特真机配额奖励
完善渠道来源
可获得CPQC-100比特真机配额奖励
提交成功
真机配额已发放到您的账户,可前往【云平台】查看