巡迴推銷員演算法問題

『壹』 tSp Concorder演算法原理

tsp問題遺傳演算法將多目標按照線性加權的方式轉化為單目標，然後應用傳統遺傳演算法求解
其中w_i表示第i個目標的權重，f_k表示歸一化之後的第i個目標值。我們很容易知道，這類方法的關鍵是怎麼設計權重。比如，Random Weight Genetic Algorithm (RWGA) 採用隨機權重的方式，每次計算適應度都對所有個體隨機地產生不同目標的權重，然後進行選擇操作。Vector-Evaluated Genetic Algorithm (VEGA) 也是基於線性加權的多目標遺傳演算法。如果有K個目標，VEGA 會隨機地將種群分為K個同等大小子種群，在不同的子種群按照不同的目標函數設定目標值，然後再進行選擇操作。VEGA 實質上是基於線性加權的多目標遺傳演算法。VEGA 是第一個多目標遺傳演算法，開啟了十幾年的研究潮流。
1.TSP問題是指假設有一個旅行商人要拜訪n個城市，他必須選擇所要走的路徑，路徑的限制是每個城市只能拜訪一次，而且最後要回到原來出發的城市。路徑的選擇目標是要求得的路徑路程為所有路徑之中的最小值。本文使用遺傳演算法解決att30問題，即30個城市的旅行商問題。旅行商問題是一個經典的組合優化問題。一個經典的旅行商問題可以描述為：一個商品推銷員要去若干個城市推銷商品，該推銷員從一個城市出發，需要經過所有城市後，回到出發地。應如何選擇行進路線，以使總的行程最短。從圖論的角度來看，該問題實質是在一個帶權完全無向圖中，找一個權值最小的Hamilton迴路。由於該問題的可行解是所有頂點的全排列，隨著頂點數的增加，會產生組合爆炸，它是一個NP完全問題。TSP問題可以分為對稱和不對稱。在對稱TSP問題中，兩座城市之間來回的距離是相等的，形成一個無向圖，而不對稱TSP則形成有向圖。對稱性TSP問題可以將解的數量減少了一半。所以本次實驗的TSP問題使用att48數據，可在tsplib中下載數據包。演化演算法是一類模擬自然界遺傳進化規律的仿生學演算法，它不是一個具體的演算法，而是一個演算法簇。遺傳演算法是演化演算法的一個分支，由於遺傳演算法的整體搜索策略和優化計算是不依賴梯度信息，所以它的應用比較廣泛。我們本次實驗同樣用到了遺傳演算法（用MATLAB編寫）來解決TSP問題。

『貳』 用探索（窮舉）法求解貨郎擔問題

沒明確的解答過程 路線是1-2-4-3-1
2,3,4中3到1最短
2,4中4到3短
2到4比2到其他數短
成立
類似反證
其他自己搞定吧

『叄』 旅行推銷員問題和郵遞員問題有什麼區別

旅行商問題，即TSP問題（Travelling Salesman Problem）又譯為旅行推銷員問題、貨郎擔問題，是數學領域中著名問題之一。假設有一個旅行商人要拜訪n個城市，他必須選擇所要走的路徑，路徑的限制是每個城市只能拜訪一次，而且最後要回到原來出發的城市。路徑的選擇目標是要求得的路徑路程為所有路徑之中的最小值。

中國郵遞員問題
著名圖論問題之一。郵遞員從郵局出發送信，要求對轄區內每條街，都至少通過一次，再回郵局。在此條件下，怎樣選擇一條最短路線？此問題由中國數學家管梅谷於1960年首先研究並給出演算法，故名。

『肆』 什麼是tsp問題，數學模型中的一種模型問題

Traveling Saleman Problem 旅行商問題
「旅行商問題」常被稱為「旅行推銷員問題」，是指一名推銷員要拜訪多個地點時，如何找到在拜訪每個地點一次後再回到起點的最短路徑。規則雖然簡單，但在地點數目增多後求解卻極為復雜。以42個地點為例，如果要列舉所有路徑後再確定最佳行程，那麼總路徑數量之大，幾乎難以計算出來。多年來全球數學家絞盡腦汁，試圖找到一個高效的演算法，近來在大型計算機的幫助下才取得了一些進展。 TSP問題在物流中的描述是對應一個物流配送公司，欲將n個客戶的訂貨沿最短路線全部送到。如何確定最短路線。 TSP問題最簡單的求解方法是枚舉法。它的解是多維的、多局部極值的、趨於無窮大的復雜解的空間，搜索空間是n個點的所有排列的集合，大小為（n-1）。可以形象地把解空間看成是一個無窮大的丘陵地帶，各山峰或山谷的高度即是問題的極值。求解TSP，則是在此不能窮盡的丘陵地帶中攀登以達到山頂或谷底的過程。

具體參見網路
http://ke..com/view/1162183.htm

多個旅行商同時出發的問題稱為MTSP問題。設立虛點轉化為TSP即可求解。
數學模型是可以用線性規劃來描述，但是在多項式求解時間內無解，所以才出現了各種啟發式演算法，什麼遺傳演算法，模擬退火，蟻群演算法之類的

『伍』 利用matlab計算多個坐標點，可以互相連接的最短距離

這個問題一般是TSP問題，該回答來自工中號一匹大懶蟲
旅行商問題，即TSP問題（Traveling Salesman Problem）又譯為旅行推銷員問題、貨郎擔問題，是數學領域中著名問題之一。假設有一個旅行商人要拜訪n個城市，他必須選擇所要走的路徑，路徑的限制是每個城市只能拜訪一次，而且最後要回到原來出發的城市。路徑的選擇目標是要求得的路徑路程為所有路徑之中的最小值。
TSP問題是一個組合優化問題。該問題可以被證明具有NPC計算復雜性。因此，任何能使該問題的求解得以簡化的方法，都將受到高度的評價和關注。
旅行推銷員問題是圖論中最著名的問題之一，即「已給一個n個點的完全圖，每條邊都有一個長度，求總長度最短的經過每個頂點正好一次的封閉迴路」。Edmonds，Cook和Karp等人發現，這批難題有一個值得注意的性質，對其中一個問題存在有效演算法時，每個問題都會有有效演算法。[1]
迄今為止，這類問題中沒有一個找到有效演算法。傾向於接受NP完全問題（NP-Complete或NPC）和NP難題（NP-Hard或NPH）不存在有效演算法這一猜想，認為這類問題的大型實例不能用精確演算法求解，必須尋求這類問題的有效的近似演算法。
此類問題中，經典的還有 子集和問題； Hamilton迴路問題；最大團問題。

『陸』 推銷員`在推銷東西後所得的提成是怎麼計算的

不同的東西應該算的不一樣吧!通常演算法是銷售額的百分比!

『柒』 理查德·卡普的研究和發現

在對旅行推銷員問題進行研究的過程中，卡普發現，無論對演算法作何種重大的改進，也無論用何種更高效的新演算法使旅行推銷員能周遊的城市數進一步增加（包括後來採用一種稱為「多面體組合學」的方法把它轉變為線性規劃問題，從而使周遊城市數超過300），解題所需的時間總是問題規模（在這里是城市數）的函數，且以指數方式增長。這引起卡普的深思，並促使他進入計算復雜性領域進行更深層次的研究。1967年，正好以色列學者、計算復雜性理論研究的先驅拉賓（M．Rabin，1976年圖靈獎獲得者）從希伯萊大學來到IBM公司的沃森研究中心作客座研究員，並且和卡普住在同一公寓大樓(卡普長期單身，直到1979年44歲才結婚成家），他們成了朋友，經常一起上下班，一起散步，拉賓在計算復雜性理論方面的深刻見解給了卡普很多啟發。
1968年，卡普離開IBM到加州大學伯克利分校工作。這里是計算機科學理論的又一個研究中心，庫克(S．Cook，1982年圖靈獎獲得者)、布盧姆(M．Blum，1995年圖靈獎獲得者)等一批知名學者當時都在那裡，學術氣氛十分濃厚。布盧姆是計算復雜性理論的主要奠基人之一，庫克則於1971年最早提出「NP完全性」問題。在這樣的環境下，卡普對計算復雜性問題的研究日益深入。

『捌』 先序遍歷和後序遍歷是什麼

1、先序遍歷也叫做先根遍歷、前序遍歷，可記做根左右（二叉樹父結點向下先左後右）。

首先訪問根結點然後遍歷左子樹，最後遍歷右子樹。在遍歷左、右子樹時，仍然先訪問根結點，然後遍歷左子樹，最後遍歷右子樹，如果二叉樹為空則返回。

例如，下圖所示二叉樹的遍歷結果是：ABDECF

（1）後序遍歷左子樹

（2）後序遍歷右子樹

（3）訪問根結點

如右圖所示二叉樹

後序遍歷結果：DEBFCA

已知前序遍歷和中序遍歷，就能確定後序遍歷。

(8)巡迴推銷員演算法問題擴展閱讀：

圖的遍歷演算法主要有兩種，

一種是按照深度優先的順序展開遍歷的演算法，也就是深度優先遍歷；

另一種是按照寬度優先的順序展開遍歷的演算法，也就是寬度優先遍歷。寬度優先遍歷是沿著圖的深度遍歷圖的所有節點，每次遍歷都會沿著當前節點的鄰接點遍歷，直到所有點全部遍歷完成。

如果當前節點的所有鄰接點都遍歷過了，則回溯到上一個節點，重復這一過程一直到已訪問從源節點可達的所有節點為止。

如果還存在沒有被訪問的節點，則選擇其中一個節點作為源節點並重復以上過程，直到所有節點都被訪問為止。

利用圖的深度優先搜索可以獲得很多額外的信息，也可以解決很多圖論的問題。寬度優先遍歷又名廣度優先遍歷。通過沿著圖的寬度遍歷圖的節點，如果所有節點均被訪問，演算法隨即終止。寬度優先遍歷的實現一般需要一個隊列來輔助完成。

寬度優先遍歷和深度優先遍歷一樣也是一種盲目的遍歷方法。也就是說，寬度遍歷演算法並不使用經驗法則演算法， 並不考慮結果的可能地址，只是徹底地遍歷整張圖，直到找到結果為止。圖的遍歷問題分為四類：

1、遍歷完所有的邊而不能有重復，即所謂「歐拉路徑問題」（又名一筆畫問題）；

2、遍歷完所有的頂點而沒有重復，即所謂「哈密頓路徑問題」。

3、遍歷完所有的邊而可以有重復，即所謂「中國郵遞員問題」；

4、遍歷完所有的頂點而可以重復，即所謂「旅行推銷員問題」。

對於第一和第三類問題已經得到了完滿的解決，而第二和第四類問題則只得到了部分解決。第一類問題就是研究所謂的歐拉圖的性質，而第二類問題則是研究所謂的哈密頓圖的性質。

『玖』 N個城市,任兩城市間距離已知.推銷員,從A城出發,依次經過每個城市後又回到A.求最短路徑的C演算法

TSP問題 這種問題有多種解法 並且大部分都不能得到精確解 只能得到近似最優解 很多智能演算法如蟻群演算法可以解這個問題