欧几里得旅行商问题近似算法的实证分析
人工智能
2017-05-26 v1
摘要
旅行商问题（TSP）是一个经典的计算机科学优化问题，在工业工程、理论计算机科学、生物信息学等多个学科均有应用。近年来，涌现了大量新颖的近似求解方法，从简单的贪心算法到源自人工智能的协作式分布式算法。本文对欧几里得TSP的基石算法进行了评估与分析。我们评估了贪心算法、2-opt算法和遗传算法。使用多个数据集作为算法输入，包括一个小型数据集、一个代表美国城市的中型数据集以及一个包含200个城市的合成数据集以测试算法的可扩展性。我们发现，贪心算法和2-opt算法能高效地为较小数据集计算解。遗传算法在中到大型数据集上具有最佳的最优性表现，但通常运行时间更长。我们的实现已公开可用。
引用
@article{arxiv.1705.09058,
title = {An Empirical Analysis of Approximation Algorithms for the Euclidean Traveling Salesman Problem},
author = {Yihui He and Ming Xiang},
journal= {arXiv preprint arXiv:1705.09058},
year = {2017}
}
备注
4 pages, 5 figures