Algorithm 当cites较少（少于6个）时，旅行推销员问题的最佳算法是什么？

我见过很多解决旅行商问题的方法，如果p=np，但我想知道如果只有6个或5个城市，哪种算法会给出这种情况下的最优解？

对于

6个
城市，一次性计算
15个
城市间距离，然后选择一个起点并评估可能的
5/2=60个循环（其中一半通过方向反转相同）

为了获得最大的效率，您可以对排列表进行硬编码。另一种可能的措施是安排周期长度计算，使某些部分和可以重用，也可以借助硬编码表

一旦某些总和超过当前最短值，就有可能过早终止。首先尝试最短的分段可能会获得更多

彻底探索这些主题似乎是一项努力，节省下来的成本可能不值得关注，除非你有数百万个6城市的问题需要解决。
只有6个城市，穷举搜索不是问题，因为可能只有720条路径，因此可以在毫秒内解决。请注意，如果所有参数都有上界，则不存在渐近行为，因此P和NP在这里没有“太多意义”。我只想知道在这种情况下，哪种算法会告诉我最优解？请使用一种方法。因为NP问题的所有解都不是最优解，因为它需要很长时间，因此，算法似乎试图节省时间，但给出次优解决方案严格来说，这些不是解决方案，而是提出近似解决方案的启发式算法。是的，只有当一个达到阈值时，大oh才相关，微观优化也是如此。@Deduplicator：我觉得通过结合一些微观优化，可以实现因子2到4。根据上下文的不同，这种努力可能有意义，也可能没有意义。你可以用遗传算法轻松地解决这类问题。@KhanSaab：对于小规模的问题，遗传方法是非常不合适的。阅读问题。