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?

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?,algorithm,traveling-salesman,np,Algorithm,Traveling Salesman,Np,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

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。