Eject Chain与可变路径在组合优化旅行商问题中的应用

Eject Chain与可变路径在组合优化旅行商问题中的应用

  • 前言
  • Eject Chain 算法
    • 弹射链中 cycle and stem 的结构介绍
    • Subpath Election Method
  • 一些基础的 STEM-AND-CYCLE RULES
  • 结论、分析和结束语
  • 参考文献

前言

在经典组合优化问题中的优秀算法自从上个世纪九十年代以来,分为两个突出的弹射算法,一个是LK启发式,一个是eject chain算法。前者在dismacs算法竞赛上大放异彩,经过算法的改良多种LK的分支都有不错的效果,且现在也有工业化的版本求解器,做的相当成熟。后者的弹射链算法作为主流之一,但是慢慢发展未能做起来,似乎有点停滞不前。本文对起进行较为基础的原始和理论的介绍,经过介绍可以分析得出,理论上弹射链算法是完备的,有很多改良和应用的空间,虽然现在较为没落,但是不失为一种探索的空间,也是值得学习和介绍的。

Eject Chain 算法

弹射链中 cycle and stem 的结构介绍

Eject Chain与可变路径在组合优化旅行商问题中的应用_第1张图片
上图就是基本的弹射链的回路和茎的structure,r代表root根,t代表stem茎,s1和s2是子根subroot,其他没有标注的结点就是一些普通的结点。

Subpath Election Method

在这里插入图片描述
步骤①:初始设置r=t,原始集合PC和SC,PC={r},SC为空
Eject Chain与可变路径在组合优化旅行商问题中的应用_第2张图片

步骤②:在tour的一个子路径 j,…,k中,且子路径的结点都不在PC和SC中。将j’j,和kk’‘删除,j’和k’‘分别是j和k的左右两个结点,并且将旅行subpath j,k中的j和k的位置用j’和k’'来代替,弥补空洞。
Eject Chain与可变路径在组合优化旅行商问题中的应用_第3张图片

步骤③:在②的基础上,更细t=k,茎j和k加入PC中,j‘和k’‘加入SC中,如果加入PC的结点是一个子根subroot,则它之后不能再被操作。
Eject Chain与可变路径在组合优化旅行商问题中的应用_第4张图片

步骤④:重复以上①②③直到达到终止条件。

一些基础的 STEM-AND-CYCLE RULES

上面一part讲的是如何从子路径中删除和弹出边,现在介绍的是弹出的变之后是怎么加入茎和回路的结构当中,以生成新的可行解的过程的一些规则。
Eject Chain与可变路径在组合优化旅行商问题中的应用_第5张图片
上面这张图说的是四条规则来生成可变路径,规则1和2是主要的,3和4是一些完善和补充。
下面让我们来看看四种规则的具体操作实例
Eject Chain与可变路径在组合优化旅行商问题中的应用_第6张图片
图中,下面一圈是cycle,上面是茎。规则①中,在将t和j1相连的时候,为了仍保持cycle-and-stem的结果,需要将q1和j1之间的变删除,然后q1作为新的t。
规则②中,如果t和茎中的j2相连,则需要删除t和j2之间的结点的边,图中是j2和q2之间的边,然后将q2作为新的t
下面的规则三和四是对一和二的补充,让我们也来看看
Eject Chain与可变路径在组合优化旅行商问题中的应用_第7张图片
规则③中,如果我们将t和cycle中的j3相连,把j3和q的边删去,q成为新的t。
如果t是和茎中的j3相连,则把q和r之间的边删去,让原来的茎形成cycle,原来stem破坏成stem,q成为新的t

在规则④中有两种情况,如果q’和茎中的j4相连,我们把r和q‘之间的边断开,其余不变
如果q和cycle 中的j4相连,我们把q和r断开

结论、分析和结束语

为什么弹射链理论分析上效果会不错,因为寻优中,LK算法所能达到的case,它都能达到,LK不能演算出来的情况也能过做到,理论上探寻的空间是更大的,寻找到局部最优的可能性行是以LK算法的情况为下界的。
分享这篇文章的原因也是历史遗留问题,下载下来一直没有看,最近跑实验的过程中想着还是不能太摆烂,把这篇也补上,万一以后没有啥时间看了,不留遗憾。
其实思考来,这篇文章的思路和想法都是不错的,有很多是错的空间和探索的可能性存在,这里就不再详细展开了。
如果读者感兴趣的话,可以参看下面的参考文献。

参考文献

Glover F. New ejection chain and alternating path methods for traveling salesman problems[M]//Computer science and operations research. Pergamon, 1992: 491-509.

你可能感兴趣的:(组合优化,算法,领域搜索算法,TSP,组合优化,学习笔记)