[论文解读] All Colors Shortest Path Problem

Yunus Can Bilge, Dogukan Çagatay+4 more|arXiv (Cornell University)|Jul 24, 2015

Vehicle Routing Optimization Methods参考文献 19被引用 7

一句话总结

本文提出了全色最短路径（ACSP）问题，定义为在边权无向图中寻找最短路径，其中每个顶点被预先分配一种颜色，且路径必须至少包含每种颜色的一个节点。作者证明ACSP是NP难的，且在常数因子内不可逼近，提出基于线性规划松弛、模拟退火、蚁群优化和遗传算法的新型启发式算法，实验表明GA-ACSP在时间-解质量比方面表现最佳，同时保持了具有竞争力的解质量。

ABSTRACT

All Colors Shortest Path problem defined on an undirected graph aims at finding a shortest, possibly non-simple, path where every color occurs at least once, assuming that each vertex in the graph is associated with a color known in advance. To the best of our knowledge, this paper is the first to define and investigate this problem. Even though the problem is computationally similar to generalized minimum spanning tree, and the generalized traveling salesman problems, allowing for non-simple paths where a node may be visited multiple times makes All Colors Shortest Path problem novel and computationally unique. In this paper we prove that All Colors Shortest Path problem is NP-hard, and does not lend itself to a constant factor approximation. We also propose several heuristic solutions for this problem based on LP-relaxation, simulated annealing, ant colony optimization, and genetic algorithm, and provide extensive simulations for a comparative analysis of them. The heuristics presented are not the standard implementations of the well known heuristic algorithms, but rather sophisticated models tailored for the problem in hand. This fact is acknowledged by the very promising results reported.

研究动机与目标

• 定义并正式研究全色最短路径（ACSP）问题，该问题为最短路径问题的新变种，其中每个顶点具有颜色，且路径必须包含每种颜色的至少一个节点。
• 通过证明ACSP是NP难的，且除非P = NP，否则无法在常数因子内逼近，从而确立ACSP的计算复杂性。
• 开发并评估一套专为ACSP设计的启发式算法，包括基于线性规划松弛、模拟退火、蚁群优化和遗传算法的方法。
• 在不同图大小和颜色分布下，通过大规模仿真比较所提启发式算法在解质量、运行时间和可扩展性方面的性能。

提出的方法

• 将ACSP建模为带约束的整数线性规划（ILP）问题，以确保路径中每种颜色至少出现一次。
• 设计三种基于线性规划松弛的启发式算法：LP_xACSP、LP_fACSP和LP_f/xACSP，通过迭代取整从松弛解生成可行路径。
• 设计一种基于模拟退火的启发式算法（SA-ACSP），通过温度控制的随机移动探索解空间，以逃离局部最优。
• 实现一种蚁群优化算法（ACO-ACSP），其中人工蚂蚁根据信息素轨迹和启发式信息构建路径，信息素更新规则针对颜色覆盖进行定制。
• 提出一种遗传算法（GA-ACSP），采用自定义编码、选择、交叉和变异算子，针对ACSP进行优化，包括通过实验评估确定种群大小。
• 在随机生成的图上进行对比实验，图中节点数为n=50、100、200，颜色数为c=10至75，以ILP结果作为最优性比较基准。

实验结果

研究问题

• RQ1 全色最短路径问题是否为NP难问题？在标准复杂性假设下，它是否具有常数因子近似解？
• RQ2 在ACSP问题中，不同启发式策略——线性规划松弛、模拟退火、蚁群优化和遗传算法——在解质量与运行时间方面的表现如何？
• RQ3 在不同图结构和颜色分布下，哪种启发式配置能实现解成本与计算时间的最佳权衡？
• RQ4 针对此新问题，定制化的元启发式算法是否能优于标准实现？

主要发现

• ACSP被证明是NP难的，且除非P = NP，否则无法在任何常数因子内逼近，确立了其计算不可解性。
• 在基于线性规划的启发式算法中，LP_f/xACSP在解质量与运行时间之间实现了最佳平衡，在测试实例上的平均成本仅为最优解的1.5倍以内。
• 在中等规模图（n=50、100）上，模拟退火（SA-ACSP）优于蚁群优化（ACO-ACSP），实现了更低的平均路径成本。
• 在较大图（n=200）上，ACO-ACSP产生的解优于SA-ACSP，表明其在复杂解空间中具有更强的探索能力。
• 遗传算法（GA-ACSP）在所有图规模下均实现了最快运行时间，n=200图的平均计算时间低于6秒，同时保持了与其他元启发式算法相当的解质量。
• 通过实验评估，确定GA-ACSP的最优种群大小为600，实现了在解质量与计算成本之间的良好平衡。