1. 旅行商问题与近似解法概述
第一次听说旅行商问题(TSP)时,我被这个看似简单实则复杂的问题深深吸引了。想象一下你是个快递员,需要给20个客户送货,每个地址只能去一次,最后还要回到起点。怎么走才能让总路程最短?这就是TSP问题的现实写照。
TSP属于NP难问题,当城市数量增多时,精确解的计算量会爆炸式增长。比如30个城市就有约4.4×10^30种可能路线,即使用超级计算机也要算到天荒地老。所以工程师们想出了各种近似解法,在合理时间内找到"足够好"的解决方案。
最邻近法(NN)就像是个急性子的旅行者:从起点出发,每次都去最近的下一个城市,直到走完所有城市再返回。这种方法简单快速,但容易陷入局部最优。我做过实验,在随机生成的10个城市地图上,NN算法平均比最优解多走15-20%的路程。
最邻近插入法(NNI)则更聪明些。它先构建一个小环路,然后不断把最近的城市插入到环路的最佳位置。就像拼图时先固定几个关键部分,再逐步填充其余部分。实测下来,NNI的解通常比NN好10-15%,而且稳定性更高。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 最邻近方法的实现与局限
2.1 算法原理详解
最邻近法的核心思想可以用三个词概括:贪心、简单、快速。具体步骤是:
- 随机选择一个起点城市
- 找到距离当前城市最近的未访问城市
- 移动到该城市并标记为已访问
- 重复步骤2-3直到所有城市都被访问
- 最后返回起点完成环路
用Python实现起来特别直观:
python复制def nearest_neighbor(cities):
unvisited = set(cities)
current = unvisited.pop()
tour = [current]
while unvisited:
nearest = min(unvisited, key=lambda city: distance(current, city))
tour.append(nearest)
unvisited.remove(nearest)
current = nearest
tour.append(tour[0]) # 返回起点
return tour
