[论文解读] Improving the Asymmetric TSP by Considering Graph Structure

Jean-Guillaume Fages, Xavier Lorca|arXiv (Cornell University)|Jun 15, 2012

Vehicle Routing Optimization Methods参考文献 24被引用 8

一句话总结

本文通过将图结构特性（如强连通分量和支配树）整合到隐式传播器中，改进了对称TSP的约束规划（CP）模型。通过利用简化图和结构化过滤，作者构建了一个鲁棒的模型，其性能优于当前最先进的CP方法，在一分钟内解决了所有规模达150个节点的实例，并显著减少了在较大、较难的实例（如kroB150和gil262）上的搜索开销。

ABSTRACT

Recent works on cost based relaxations have improved Constraint Programming (CP) models for the Traveling Salesman Problem (TSP). We provide a short survey over solving asymmetric TSP with CP. Then, we suggest new implied propagators based on general graph properties. We experimentally show that such implied propagators bring robustness to pathological instances and highlight the fact that graph structure can significantly improve search heuristics behavior. Finally, we show that our approach outperforms current state of the art results.

研究动机与目标

• 通过整合图的结构性质，提升对称TSP的CP模型的鲁棒性和效率。
• 研究如何利用简化图表示（如SCCs）来指导CP中的搜索启发式和剪枝策略。
• 基于图论概念（如支配树和可达性）开发并评估新的隐式传播器。
• 通过结合结构化过滤与基于成本的松弛，推动CP在TSP求解中的性能极限。
• 证明图结构能显著改善搜索行为，其效果远超仅依赖成本剪枝的情况。

提出的方法

• 作者利用有向图的简化图（通过收缩强连通分量形成）来提取结构性约束以实现过滤。
• 提出基于SCCs和支配树的隐式传播器，用于剪除不可行的边并强制连通性。
• 提出EnforceSparse启发式方法，通过优先选择稀疏解来引导搜索，从而减少搜索空间的探索。
• 将Held-Karp松弛方法适配于有向图，并通过实现优化将其集成到CP框架中。
• 使用图变量建模解空间，保留潜在和强制的边，并通过结构性约束实施过滤。
• 该方法结合基于成本的松弛与结构化过滤，以提升一致性并减少搜索树规模。

实验结果

研究问题

• RQ1 图结构（特别是SCCs和支配树）能否被有效用于改进ATSP的CP模型？
• RQ2 基于简化图的结构化过滤如何影响搜索树规模和求解时间？
• RQ3 EnforceSparse启发式方法（偏好稀疏解）是否能在困难的ATSP实例上带来更好的性能？
• RQ4 与仅依赖成本剪枝相比，结构化过滤在多大程度上提升了模型的鲁棒性？
• RQ5 图结构的整合能否改善基于CP的TSP求解中拉格朗日松弛的收敛性？

主要发现

• EnforceSparse启发式方法在60秒内解决了所有规模达150个节点的ATSP实例，而当前最先进的CP模型在30分钟内无法解决其中大多数。
• 对于kroB150（200个节点）实例，该方法在668.73秒内找到解，而SOTA模型在1,800秒后仍超时。
• 该模型在gil262实例（262个节点）中成功求解了460个节点，而SOTA模型完全无法求解。
• 该方法显著减少了回溯次数和搜索节点数，在eil76和eil101上相比SOTA模型实现了100倍的节点数减少。
• 结构化过滤显著提升了在病态实例（如gr229和ts225）上的鲁棒性，SOTA模型超时而新模型成功找到解。
• 在中等规模实例上，图结构的整合使搜索开销减少了50至100倍，展现出显著的性能提升。