一、旅行商问题（Traveling Saleman Problem，TSP）
1.旅行商问题的定义
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。
2.旅行商问题求解的计算量
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。
二、TSP问题的建模
1.总体Hamilton量H
该问题输入有两个，这里借用了文章[*2]的图表：
·地点数目：N NN
·地点之间的距离：
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 HH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。
2.约束条件
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：
1.每个时间步只能访问一个地点。
=> 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。
2.每个地点都访问过一次。
=> 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：
3.目标函数
解析：
总结
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。
在阅读参考文献时，经常会发现资料里的一些小错误，大家以后阅读资料时也要小心啊。
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
————————————————
本文转载自CSDN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
