查看: 13|回复: 0

旅行商问题（TSP）：数模优化题里"最简单的难题"

字体大小: 正常放大

1192 主题	4 听众	2946 积分

该用户从未签到

电梯直达

1^#

发表于 2026-8-23 17:33 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

from itertools import permutations
$ U1 y1 z\" f* Y# u
import math
% J$ ^6 p8 a @ l# x: d
. z @% A) Z\" M/ Z; Z, U
def tsp_brute(dist):. |; `4 Y8 y% P7 r\" F1 h! s! K
"""dist: n×n 距离矩阵，返回 (最短长度, 最优回路)"""* x0 u' Z5 ^0 I+ A7 D' ?
n = len(dist)
. o* [\" A3 ^/ L, m
best_len, best_tour = math.inf, None
; [- `$ `1 D2 `5 F' G8 d
for perm in permutations(range(1, n)): # 固定起点 00 C# ]0 M0 L\" r& y* M3 f
tour = [0] + list(perm)) W# n6 t( h) P' O
L = sum(dist[tour[i]][tour[i+1]] for i in range(n-1)) + dist[tour[-1]][0]
( x1 g/ [* N+ e6 T
if L < best_len:
% x9 K* s# J% q
best_len, best_tour = L, tour
& @ ?5 {' m* D1 ^0 [
return best_len, best_tour
9 k* D$ `: V) D- K. z$ Y
T\" |+ A; E9 \+ q
# ---------- 2-opt 局部搜索（中大规模） ----------8 Z9 r/ ]& R; v/ D- d
def tsp_2opt(dist, max_iter=1000):) o! f5 Q6 n; `( C1 v2 k t
n = len(dist)# n# Q$ t3 i1 B2 z% I2 I- T! B
tour = list(range(n)) # 初始：自然顺序
3 E5 @1 U2 T6 Q/ Y# c3 C& ~
improved = True
: {9 Z% }. ~: w
while improved and max_iter > 0:6 c }2 `7 ?9 `9 U3 ?9 }- q/ X
improved = False4 F\" @3 t/ y- t- L2 X/ {
for i in range(1, n-2):7 L\" k) a% G$ q4 _- ~
for k in range(i+1, n):8 d7 k; N | k- N
# 翻转 tour[i:k+1]
) O4 w, ?! F& |( g: ?
new_tour = tour[:i] + tour[i:k+1][::-1] + tour[k+1:]
; V7 ?+ s\" j2 ~ l: A; S5 G* ]' M
cur = sum(dist[tour[j]][tour[j+1]] for j in range(n-1)) + dist[tour[-1]][tour[0]]. w3 |* ]5 L5 [7 z
new = sum(dist[new_tour[j]][new_tour[j+1]] for j in range(n-1)) + dist[new_tour[-1]][new_tour[0]]
/ x: r/ p& I' O9 O$ ~
if new < cur:% ~% T7 D$ @9 m) j
tour, improved = new_tour, True0 D+ @& U3 c6 E- j# Y; T. c) o& A
max_iter -= 1+ L6 V& K$ E1 G: k$ p
L = sum(dist[tour[j]][tour[j+1]] for j in range(n-1)) + dist[tour[-1]][tour[0]]. v- g' X. z6 k3 F q
return L, tour, E- V0 S6 J3 J, N; G# J5 g; V
/ n: Q! A% {4 H\" A T
# ---------- 测试：4 城市 ----------
; o F$ r0 |3 h* h5 ~, r3 ^) _
dist = [
2 D& y2 n7 Y4 Q$ V: t
[0, 10, 15, 20],
[10, 0, 35, 25],
2 P\" M+ I; F) O- H W4 P7 N
[15, 35, 0, 30],
2 \- D% _9 e% c4 t3 e/ G7 P: v
[20, 25, 30, 0]8 o; d1 L$ x6 \
]
; `3 A\" m$ ^7 Q& I( k k
print("暴力 DFS:", tsp_brute(dist)) # 最短长度 80，回路 0→1→3→2→0
9 m* I% ? n$ }# K+ P. O8 [7 E/ Y
print("2-opt :", tsp_2opt(dist))

复制代码

7.2 运行结果

暴力 DFS: (80, [0, 1, 3, 2]). j* P2 d; ^6 O& G, r7 n
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

1998B灾情巡视路线巡检 TSP（带时间窗 / 部分覆盖）
2001C公交车线路设计路径规划 + 容量约束（VRP 变体）
2008B啤酒运输问题配送路径优化
2011A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
2017B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

1"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
4"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）
5"DP 复杂度 "准确是，每状态需  转移
6"所有 TSP 都有常数近似比"仅度量 TSP（三角不等式）有 Christofides  近似
7"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）？
% d+ ^! y$ W+ \4 ?- }( t8 k

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。