数学建模社区-数学中国

标题: 旅行商问题（TSP）：数模优化题里"最简单的难题" [打印本页]

---

作者: 2744557306    时间: 2026-8-23 17:33
标题: 旅行商问题（TSP）：数模优化题里"最简单的难题"


; c' Q" Q: r: c
* Z2 Q% [4 h+ @+ d1 `- T- }: c& X


% P& l& P' W0 s: o+ E0 Z
; j- N2 |$ m, ?5 [9 b

1. from itertools import permutations
   5 n1 ?4 c. Z: T% z& ]
2. import math
   
3. 
   
4. def tsp_brute(dist):
   
5.     """dist: n×n 距离矩阵，返回 (最短长度, 最优回路)"""
   
6.     n = len(dist)
   
7.     best_len, best_tour = math.inf, None
   
8.     for perm in permutations(range(1, n)):          # 固定起点 0
   7 R6 a! r- d. t" x  D/ A
9.         tour = [0] + list(perm)
   
10.         L = sum(dist[tour[i]][tour[i+1]] for i in range(n-1)) + dist[tour[-1]][0]
    
11.         if L < best_len:
    1 l9 P8 `  Z" c$ V* ^
12.             best_len, best_tour = L, tour
    : c, m( y7 _+ H3 C/ p; b
13.     return best_len, best_tour
    
14. 
      Q2 V) X3 S: J1 j: A0 W
15. # ---------- 2-opt 局部搜索（中大规模） ----------
    : G% n/ {2 y+ {
16. def tsp_2opt(dist, max_iter=1000):
    
17.     n = len(dist)
    
18.     tour = list(range(n))                          # 初始：自然顺序
    
19.     improved = True
    
20.     while improved and max_iter > 0:
    
21.         improved = False
    * j- U; |, L% {$ u
22.         for i in range(1, n-2):
    
23.             for k in range(i+1, n):
    5 u3 E5 s/ q) I( A# X
24.                 # 翻转 tour[i:k+1]
    
25.                 new_tour = tour[:i] + tour[i:k+1][::-1] + tour[k+1:]
    
26.                 cur = sum(dist[tour[j]][tour[j+1]] for j in range(n-1)) + dist[tour[-1]][tour[0]]
    ' p: d7 t# ^. k  [! H+ u
27.                 new = sum(dist[new_tour[j]][new_tour[j+1]] for j in range(n-1)) + dist[new_tour[-1]][new_tour[0]]
    
28.                 if new < cur:
    2 X; i/ W/ u" r1 j
29.                     tour, improved = new_tour, True
    ; k! _6 Z" d; M" S. m8 A: V
30.                     max_iter -= 1
    " }0 g0 l% n; |, D) o
31.     L = sum(dist[tour[j]][tour[j+1]] for j in range(n-1)) + dist[tour[-1]][tour[0]]
    2 I; c/ n5 Z7 H2 w( U
32.     return L, tour
    / q# k( c, x  }4 v% y0 u
33. 
    
34. # ---------- 测试：4 城市 ----------
    
35. dist = [
    6 T4 S, w' X# P# i! l7 e
36.     [0, 10, 15, 20],
    ( r  r$ l2 }4 x/ g2 e
37.     [10, 0, 35, 25],
    
38.     [15, 35, 0, 30],
    3 [' R1 \- m5 R
39.     [20, 25, 30, 0]
    
40. ]
    . S: x2 R! b5 H3 A7 Q& F4 Y
41. print("暴力 DFS:", tsp_brute(dist))   # 最短长度 80，回路 0→1→3→2→0
    
42. print("2-opt   :", tsp_2opt(dist))

复制代码

7.2 运行结果

1. 暴力 DFS: (80, [0, 1, 3, 2])
   
2. 2-opt   : (95, [0, 1, 2, 3])

复制代码

观察：暴力 DFS 保证全局最优（ 时可行）。2-opt 从自然顺序出发卡在局部最优 95，未能到达最优解 80——这正是 2-opt 的经典陷阱：单次运行可能陷入局部最优。竞赛中应多次随机重启或结合其他启发式（如先用最近邻初始化再 2-opt）。这也是为什么论文里必须报告"与精确解的 gap"，而不是只报一个数字。

---

8. 竞赛真题映射

年份

CUMCM 题目方向

TSP 变体

  P* y; L& M) }* U' n1998B灾情巡视路线巡检 TSP（带时间窗 / 部分覆盖）
4 |/ A% H. E7 k8 o  K) r, O2001C公交车线路设计路径规划 + 容量约束（VRP 变体）
8 t  x: e3 r! S- T( a+ e2008B啤酒运输问题配送路径优化
0 r1 c  b+ D0 B4 g7 t& A2 V8 L2011A高速公路收费站路网遍历 + 费用优化
2015A太阳能小屋设备布点 + 巡检路径
/ F) n' Z5 n8 e+ A2017B煤炭产量预测无关（数据题）
2020A炉温曲线无关（拟合题）
近年物流配送 / 应急巡检 / 传感器网络TSP / VRP / 覆盖路径

核心规律：只要赛题出现"一条路走遍多个地点"，TSP 或其变体（VRP、TSP with Time Windows、多车 TSP）就是最自然的建模原型。先用 TSP 建原型，再根据约束升级为 VRP，是数模竞赛的成熟套路。

---

9. 常见误区与赛场自查

#

误区

正解

9 a  `- _7 W, W7 q/ h& D, n  p1"TSP 可以用贪心算法精确求解"贪心（最近邻）不保证最优，存在反例
2"2-opt 一定得到全局最优"2-opt 是局部搜索，可能陷入局部最优
3"TSP 和指派问题等价"TSP 要求单一回路，指派问题允许子回路
$ W- h8 N# f8 ]* G, l% w4"子回路消除约束可以一次性写完"数量  级别，实际用逐步加入（lazy constraint）
) m( |7 I6 N; `5"DP 复杂度 "准确是 ，每状态需  转移
5 W: |( b) y; U- P1 t" w; L6"所有 TSP 都有常数近似比"仅度量 TSP（三角不等式）有 Christofides  近似
. k+ E+ Z  a& \1 c* W7"对称 TSP 和非对称 TSP 一样"对称： 种回路；非对称： 种

赛场自查清单：

• 我确认了距离矩阵是否对称、是否满足三角不等式（影响算法选择）。
• 我估计了可行解数量 ，判断暴力 / B&B / 启发式的适用性。
• 若用 B&B：下界函数是否安全（不高于最优值）且紧？
• 若用 2-opt：是否报告了与精确解的偏差（小规模对比）？
• 若用 Christofides：是否验证了三角不等式成立？
• 论文中是否报告了运行时间与最优性差距（gap）？
• 是否对结果做了敏感性分析（距离矩阵微调时回路是否稳定）？
• 是否给出了子回路消除的处理方式（lazy constraint 或逐步加入）？
  7 C# c# u$ q% i0 y* ~' O9 H

---

10. 参考文献

[1] Dantzig, G. B., Fulkerson, D. R., & Johnson, S. M. (1954). Solution of a Large-Scale Traveling-Salesman Problem. Operations Research, 2(4), 393–410. DOI: 10.1287/opre.2.4.393. https://doi.org/10.1287/opre.2.4.393

[2] Held, M., & Karp, R. M. (1961). A dynamic programming approach to sequencing problems. Proceedings of the 1961 16th ACM National Meeting, pp. 71.201–71.204. DOI: 10.1145/800029.808532. https://doi.org/10.1145/800029.808532

[3] Held, M., & Karp, R. M. (1962). The traveling-salesman problem and minimum spanning trees: Part II. Operations Research, 18(6), 1138–1162. DOI: 10.1287/opre.18.6.1138.

[4] Lawler, E. L., Lenstra, J. K., Rinnooy Kan, A. H. G., & Shmoys, D. B. (Eds.) (1985). The Traveling Salesman Problem: A Guided Tour of Combinatorial Optimization. Wiley-Interscience Series in Discrete Mathematics, Vol. 12. Chichester: John Wiley & Sons. ISBN 978-0-471-90413-7.

[5] Applegate, D. L., Bixby, R. E., Chvátal, V., & Cook, W. J. (2011). The Traveling Salesman Problem: A Computational Study. Princeton Series in Applied Mathematics. Princeton, NJ: Princeton University Press. ISBN 978-0-691-12993-8 (print), 978-1-400-84110-3 (ebook). https://press.princeton.edu/books/ebook/9781400841103/the-traveling-salesman-problem-pdf

[6] Cook, W. (2012). In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation. Princeton, NJ: Princeton University Press. ISBN 978-0-691-16352-9.

[7] 姜启源, 谢金星, 叶俊. 数学模型. 5版. 北京: 高等教育出版社, 2018. ISBN 978-7-04-049222-4.

[8] 司守奎, 孙玺菁. 数学建模算法与应用. 3版. 北京: 国防工业出版社, 2021. ISBN 978-7-118-12278-7.

[9] 胡运权, 主编. 运筹学教程. 5版. 北京: 清华大学出版社, 2018. ISBN 978-7-302-48125-6. https://www.tup.tsinghua.edu.cn/wap/tsxqy.aspx?id=07656604

给参赛学生的一句话：TSP 是数模优化题里"最简单的难题"——问题描述一句话，求解却需要一整套组合优化工具箱。小规模用 B&B/DP 保证最优，大规模用 2-opt 给出好解并报告 gap，这是评委最认可的"务实"策略。记住：能证明最优的解，比看似漂亮但无保证的解更有说服力。

1 m, W! s# a* M! h

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5