Travelling salesman problem

Dari Wikipedia, ensiklopedia bebas Masalah salesman keliling (TSP) adalah NP-hard masalah optimasi kombinatorial belajar di riset operasi dan ilmu komputer teoritis . Mengingat daftar kota dan jarak berpasangan mereka, tugas ini adalah untuk mencari kemungkinan tur terpendek yang dilihat setiap kota tepat satu kali. Masalahnya adalah pertama kali dirumuskan sebagai masalah matematika pada tahun 1930 dan merupakan salah satu masalah yang paling intensif dipelajari dalam optimasi. Hal ini digunakan sebagai patokan untuk metode optimasi banyak. Meskipun masalahnya adalah komputasi sulit, sejumlah besar heuristik dan metode yang tepat tidak diketahui, sehingga beberapa hal dengan puluhan ribu kota dapat diselesaikan. TSP memiliki beberapa aplikasi bahkan dalam formulasi paling murni, seperti perencanaan , logistik , dan pembuatan microchip . Sedikit dimodifikasi, tampak sebagai masalah-sub di banyak daerah, seperti sekuensing DNA . Dalam aplikasi ini, konsep mewakili kota, misalnya, pelanggan, titik solder, atau fragmen DNA, dan jarak konsep merupakan kali perjalanan atau biaya, atau ukuran kesamaan antara fragmen DNA. Dalam banyak aplikasi, hambatan tambahan seperti sumber daya yang terbatas atau waktu windows membuat masalah jauh lebih keras. Dalam teori kompleksitas komputasi , versi keputusan TSP (dimana, diberi panjang L, tugas ini adalah untuk memutuskan apakah setiap tur lebih pendek daripada L) termasuk dalam kelas NP-lengkap masalah. Dengan demikian, kemungkinan bahwa kasus terburuk berjalan waktu untuk setiap algoritma untuk TSP meningkat secara eksponensial dengan jumlah kota.

Komputasi solusi
Garis tradisional serangan untuk masalah NP-hard adalah sebagai berikut:

Menyusun algoritma untuk mencari solusi yang tepat (mereka akan bekerja cukup cepat hanya untuk ukuran masalah kecil). Merancang "optimal" atau heuristik algoritma , yaitu algoritma yang memberikan baik tampaknya atau mungkin solusi yang baik, tetapi yang tidak dapat dibuktikan untuk menjadi optimal. Menemukan kasus khusus untuk masalah ("submasalah") yang baik heuristik yang lebih baik atau sama persis yang mungkin.

Kompleksitas Komputasi
Masalahnya telah terbukti NP-keras (lebih tepatnya, adalah lengkap untuk kelas kompleksitas NP FP, lihat masalah fungsi ), dan persoalan keputusan versi ("mengingat biaya dan nomor x, memutuskan apakah ada ronde -perjalanan rute lebih murah dari x ") adalah NP-lengkap . The bottleneck perjalanan salesman problem juga NP-hard. Masalahnya tetap NP-keras bahkan untuk kasus ketika kota-kota berada di pesawat dengan jarak Euclidean , serta sejumlah kasus pembatasan lain. Menghapus kondisi mengunjungi setiap kota "hanya sekali" tidak menghapus NP-kekerasan, karena dengan mudah terlihat bahwa dalam kasus planar ada tur yang optimal yang dilihat setiap kota hanya sekali (jika tidak, oleh ketimpangan segitiga , jalan pintas yang melompati sebuah kunjungan ulang tidak akan menambah panjang tur). Kompleksitas dari pendekatan

Dalam kasus umum, menemukan salesman tur keliling terpendek adalah NPO-selesai. [6] Jika mengukur jarak adalah metrik dan simetris, masalahnya menjadi APX -lengkap [7] dan Temanalgoritma Christofides mendekati dalam waktu 1,5. [8] Jika jarak terbatas untuk 1 dan 2 (tapi masih adalah metrik) rasio pendekatan menjadi 7 / 6. Dalam metrik, kasus asimetris, kinerja jaminan logaritma hanya diketahui, saat ini algoritma terbaik mencapai rasio kinerja 0,814 log n; [9] itu adalah sebuah pertanyaan terbuka jika pendekatan faktor konstan ada. Masalah maksimalisasi yang sesuai untuk menemukan salesman tur keliling terpanjang adalah approximable dalam 63/38. [10] Jika fungsi jarak adalah simetris, tur terpanjang dapat didekati dalam waktu 4 / 3 oleh suatu algoritma deterministik [11] dan dalam (33 + ) / 25 oleh suatu algoritma acak. [12]

algoritma Exact
Solusi yang paling langsung akan mencoba semua permutasi (kombinasi memerintahkan) dan melihat mana yang termurah (menggunakan pencarian brute force ). Waktu berjalan untuk pendekatan ini terletak dalam faktor polinomial O (n!), Yang faktorial dari beberapa kota, sehingga solusi ini menjadi tidak praktis bahkan untuk hanya 20 kota. Salah satu aplikasi paling awal pemrograman dinamis adalah algoritma Karp-Dimiliki yang memecahkan masalah dalam waktu O (n 2 2 n). [13] Solusi pemrograman dinamis membutuhkan ruang eksponensial. Menggunakan inklusieksklusi , masalah dapat diselesaikan dalam waktu dalam faktor polinomial dari 2 n dan ruang polinomial. [14] Meningkatkan batas waktu ini tampaknya akan sulit. Sebagai contoh, ini adalah masalah terbuka jika terdapat suatu algoritma yang tepat untuk TSP yang berjalan dalam waktu O (1,9999 n) [15] pendekatan lain termasuk:

Berbagai cabang-dan-terikat algoritma, yang dapat digunakan untuk proses TSPS mengandung 40-60 kota. Peningkatan progresif algoritma yang menggunakan teknik mengingatkan pada pemrograman linear . Bekerja dengan baik untuk 200 kota. Implementasi dari generasi memotong cabang-dan-terikat dan masalah-spesifik, ini adalah metode pilihan untuk menyelesaikan kasus besar. Pendekatan ini memegang rekor saat ini, penyelesaian sebuah contoh dengan 85900 kota, lihat Applegate et al. (2006) .

Solusi yang tepat untuk 15.112 kota di Jerman dari TSPLIB ditemukan pada tahun 2001 dengan menggunakan pesawat metode pemotongan yang diusulkan oleh George Dantzig , Ray Fulkerson , dan Selmer Johnson pada tahun 1954, berdasarkan pemrograman linear . Perhitungan dilakukan pada jaringan dari 110 prosesor terletak di Rice University dan Princeton University (lihat external link Princeton). Total perhitungan waktu ini setara dengan 22,6 tahun pada tunggal 500 MHz processor Alpha . Pada bulan Mei 2004, masalah salesman keliling mengunjungi seluruh kota-kota di Swedia 24978 diselesaikan: tur panjang sekitar 72.500 kilometer ditemukan dan sudah terbukti bahwa tidak ada pendek ada tur. A [16] Pada bulan Maret 2005, masalah salesman keliling mengunjungi seluruh 33.810 poin dalam papan sirkuit diselesaikan menggunakan Concorde TSP Solver : sebuah tur panjang 66.048.945 unit ditemukan dan sudah terbukti bahwa tidak ada tur pendek ada. Perhitungan mengambil sekitar 15,7 CPU-tahun (Cook et al 2006.). Pada bulan April 2006 sebuah contoh dengan

85.900 poin diselesaikan menggunakan Concorde TSP Solver, mengambil alih 136-tahun CPU, lihat Applegate et al. (2006) .

heuristik dan algoritma aproksimasi

Berbagai heuristik dan algoritma aproksimasi , yang cepat menghasilkan solusi yang baik telah dirancang. metode modern dapat menemukan solusi untuk masalah yang sangat besar (jutaan kota) dalam waktu yang wajar yang dengan probabilitas tinggi hanya 2-3% dari solusi optimal.

Kinerja manusia pada TSP

TSP, khususnya Euclidean varian dari masalah, telah menarik perhatian para peneliti dalam psikologi kognitif . Hal ini mengamati bahwa manusia mampu menghasilkan kualitas solusi yang baik dengan cepat. Isu pertama dari Journal of Pemecahan Masalah dikhususkan untuk topik kinerja manusia di TSP.

TSP jalan panjang untuk pointset acak di sebuah lapangan

Misalkan N poin acak dalam 1 x 1 persegi dengan N>> 1. Pertimbangkan kotak seperti itu. Misalkan kita ingin mengetahui rata-rata panjang jalur terpendek (TSP yaitu solusi) dari persegi masing-masing.

Lower terikat
adalah batas bawah diperoleh dengan mengasumsikan i menjadi titik dalam urutan tur

dan saya memiliki tetangga terdekat sebagai berikutnya pada path. adalah lebih baik batas bawah diperoleh dengan mengasumsikan i s i s

berikutnya adalah terdekat, dan i s i s sebelumnya adalah kedua terdekat. adalah lebih baik batas bawah diperoleh dengan membagi urutan jalur menjadi dua

bagian sebagai before_i dan after_i dengan setiap bagian yang mengandung N / 2 poin, dan kemudian menghapus bagian before_i membentuk pointset dilusian (lihat diskusi).

David S. Johnson [25] memperoleh batas bawah oleh eksperimen komputer: , Dimana 0,522 berasal dari titik dekat batas persegi yang memiliki

tetangga lebih sedikit. Christine L. Valenzuela dan J. Antonia Jones eksperimen komputer:

[26]

diperoleh rendah lain terikat oleh

Upper terikat

Dengan menerapkan metode simulated annealing pada sampel N 40000, = analisis komputer menunjukkan batas atas , Di mana 0,72 berasal dari efek batas.

Karena solusi yang sebenarnya hanya jalan terpendek, untuk tujuan pencarian program lain batas atas adalah panjang dari setiap pendekatan yang sebelumnya ditemukan.

Masalah perjalanan salesman's Analyst

Ada masalah analog dalam ukuran teori geometris yang meminta sebagai berikut: di bawah kondisi apa mungkin E subset dari ruang Euclidean terkandung dalam kurva yg dpt diperbaiki (yaitu, kapan ada kurva berkesinambungan yang dilihat setiap titik di E)? Masalah ini dikenal sebagai masalah perjalanan salesman's analis .