Skip to content

Problem komiwojażera – TSP #1

Wstęp

Chciałbym zacząć mini serię wpisów o algorytmach używanych do wyznaczenia trasy w problemie komiwojażera. TSP (Travelling Salesman Problem) jest problemem NP-trudnym. Żaden z dzisiejszych algorytmów, nie gwarantuje znalezienia optymalnej trasy. Oczywiście chodzi tutaj o wyznaczenie jej w sensownym czasie. „W sensownym czasie” jest tutaj kluczem, ponieważ zawsze można użyć brutalnej siły (brute force), jednak takie podejście nie jest akceptowane z racji tego, że już dla 20 miast (wierzchołków) mamy 60822550204416000 możliwości (6,08×1016).
GOOD-LUCK-WITH-THAT.

NN

W pierwszym wpisie z serii chciałbym omówić najprostsze podejście do problemu – NN (Nearest Neighbour).
NN jest algorytmem zachłannym i polega na wybraniu losowego wierzchołka i przechodzeniu do kolejnego, najbliższego jeszcze nieodwiedzonego.
Działanie:

  1. Ustaw dowolny wierzchołek jako aktualny
  2. Znajdź najkrótszą drogę łączącą aktualny wierzchołek z jeszcze nieodwiedzonym wierzchołkiem V – tzw. najbliższy sąsiad
  3. Ustaw V jako aktualny wierzchołek
  4. Oznacz V jako odwiedzony
  5. Jeśli wszystkie wierzchołki zostały odwiedzone, przerwij program
  6. Idź do kroku 2.

To podejście jest bardzo szybkie, jednak zazwyczaj nie daje ono optymalnego wyniku.

Implementacja oraz testy

Dane wejściowe programu znajdują się w pliku kroA100, który zawiera 100 losowych punktów w postaci {id} {x} {y}. Program na starcie wczytuje dane do dwóch kolekcji:

static Dictionary<int, Vertex> vertices;
static Dictionary<int, Dictionary<int, double>> distances;

vertices – słownik zawierający wczytane punkty, kluczem jest id punktu.
distances – słowik zawierający informacje o odległości pomiędzy dowolną parą punktów.

Poniżej znajduje się kod metody, która przyjmuje punkt startowy i zwraca pojedyncze rozwiązanie.

private static List<Edge> NN(Vertex firstVertex)
{
    var used = new HashSet<int>();

    var solution = new List<Edge>();
    var source = firstVertex;
    for (int i = 0; i < vertices.Count - 1; i++)
    {
        used.Add(source.Id);

        var targetId = distances[source.Id]
            .OrderBy(x => x.Value)
            .First(n => !used.Contains(n.Key))
            .Key;

        var target = vertices[targetId];

        solution.Add(new Edge(source, target));

        source = target;
    }

    solution.Add(new Edge(source, solution[0].Source));

    return solution;
}

Wynik

Najlepszy wynik uzyskany przy pomocy powyżej zaimplementowanego algorytmu NN to: 24698.
Jest to zaskakująco dobrze, biorąc pod uwagę, że najlepszy znaleziony wynik dla kroA100 wynosi 21282.
Poniżej wizualizacja kilku tras wyznaczonym przez powyższy NN.

TSP - NN - rozwiązania

Published inInne

Be First to Comment

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *