TSP的结构特征挖掘与启发式算法设计

TSP的结构特征挖掘与启发式算法设计

论文摘要

旅行商问题TSP(traveling salesman problem)是经典的NP-难解组合优化问题之一,在交通、网络、电路设计等方面有着广泛的应用背景。根据计算复杂性理论可知:对于NP-难解问题,除非P=NP,否则不存在多项式时间内得到最优解的精确算法。因此对于大规模的实例,求解它的高效启发式算法设计一直是计算机科学研究的热点。骨架、脂肪等作为描述TSP结构特征的工具,对启发式算法设计有着重要的意义,已经成为目前研究TSP问题的主要研究领域。本文首先对TSP问题的研究现状进行了介绍和分析,指出在TSP结构特征工具的研究上的不足之处。通过构造偏移实例的技巧,分析了TSP问题的脂肪计算复杂性,并首次给出了获取TSP的脂肪是NP-难解的理论证明,即在P≠NP的假设下,不存在算法可以在多项式时间内获得完整脂肪。在此基础上,通过分析TSP问题局部最优解与脂肪的关系,给出了求解TSP问题新的元启发式算法——动态候选集搜索算法。利用该算法,本文改进了目前求解TSP问题最好的算法之一的LKH。然后,本文在分析局部最优解与全局最优解关系的基础上,提出一种新的描述TSP结构特征工具——扰边。通过假设可以构造多项式时间内的算法求得扰边,进而引出可以在多项式时间内求的TSP问题的最优解,用反证法给出了求解扰边是NP-难的理论证明。通过试验分析,发现通过对局部最优解之间的相互操作,可以求得有效模拟扰边的“近似扰边”。并在此基础上,提出了基于近似扰边的元启发式算法框架MAFBOAD(Meta-Heuristic Algorithm Frame Based On Approximate Disturb-edge)。最后同样在LKH上对算法框架进行了实现。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 研究背景和课题意义
  • 1.2 国内外研究现状
  • 1.2.1 国外的研究现状
  • 1.2.2 国内的研究现状
  • 1.3 本文的主要工作
  • 1.4 本文的结构
  • 2 TSP问题的研究现状
  • 2.1 TSP问题的启发式算法
  • 2.1.1 环路构造算法
  • 2.1.2 环路改进算法
  • 2.2 TSP问题的结构特征研究现状
  • 2.2.1 骨架
  • 2.2.2 脂肪
  • 3 脂肪的理论分析与启发式算法设计
  • 3.1 相关定义及性质
  • 3.2 脂肪的计算复杂性
  • 3.3 基于脂肪的启发式算法设计
  • 3.3.1 局部最优解的特征与DCSS算法
  • LKH算法'>3.3.2 DCSSLKH算法
  • 3.4 试验结果与分析
  • 3.5 小结
  • 4 扰边的理论分析与启发式算法设计
  • 4.1 相关定义及性质
  • 4.2 扰边的理论分析
  • 4.3 基于近似扰边的启发式算法设计
  • 4.3.1 近似扰边
  • 4.3.1 基于近似扰边的元启发式算法框架
  • 4.4 试验结果与分析
  • 4.5 小结
  • 结论
  • 参考文献
  • 附录A TSPLIB中典型实例
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  

    TSP的结构特征挖掘与启发式算法设计
    下载Doc文档

    猜你喜欢