[论文解读] Obtaining Quality-Proved Near Optimal Results for Traveling Salesman Problem

Wenhong Tian, Huang, Chaojie+2 more|arXiv (Cornell University)|Feb 2, 2015

Vehicle Routing Optimization Methods参考文献 11被引用 5

一句话总结

本文提出了一种新颖的迭代截断广义贝塔（TGB）分布方法，用于在欧几里得空间中实现对对称旅行商问题（STSP）的品质证明近似最优解。通过将最优环游长度建模为TGB分布，并应用迭代截断，该方法保证了(1 + ½((α+1)/(α+2))^{K-1})-近似比，其中K为迭代次数，α >> 1为形状参数，随着K增加，该近似比趋近于真实最优值。

ABSTRACT

The traveling salesman problem (TSP) is one of the most challenging NP-hard problems. It has widely applications in various disciplines such as physics, biology, computer science and so forth. The best known approximation algorithm for Symmetric TSP (STSP) whose cost matrix satisfies the triangle inequality (called $ riangle$STSP) is Christofides algorithm which was proposed in 1976 and is a $\frac{3}{2}$-approximation. Since then no proved improvement is made and improving upon this bound is a fundamental open question in combinatorial optimization. In this paper, for the first time, we propose Truncated Generalized Beta distribution (TGB) for the probability distribution of optimal tour lengths in a TSP. We then introduce an iterative TGB approach to obtain quality-proved near optimal approximation, i.e., (1+$\frac{1}{2}(\frac{α+1}{α+2})^{K-1}$)-approximation where $K$ is the number of iterations in TGB and $α(>>1)$ is the shape parameters of TGB. The result can approach the true optimum as $K$ increases.

研究动机与目标

• 为解决在三角不等式条件下改进Christofides算法3/2-近似界这一长期悬而未决的开放问题。
• 在欧几里得空间中，使用广义贝塔（GB）分布对对称TSP实例的最优TSP环游长度的概率分布进行建模。
• 开发一种迭代TGB框架，系统性地减少近似误差并趋近于真实最优解。
• 提供一种闭式表达、品质证明的近似算法，并具备理论性能保证。
• 在真实世界的TSPLIB实例上验证该方法，并与最先进的求解器（如LKH）进行比较。

提出的方法

• 提出将广义贝塔（GB）分布作为欧几里得空间中对称TSP实例最优环游长度的概率密度函数。
• 从环游长度分布的前四阶矩（均值、方差、偏度、峰度）推导出GB分布的四个参数（A, B, α, β）。
• 引入一种迭代截断广义贝塔（TGB）方法，通过逐步截断GB分布的上尾部来优化期望环游长度估计。
• 利用不完全贝塔函数的超几何函数表示，计算每次迭代中截断分布的期望值。
• 采用递归更新规则，迭代更新截断分布的上界，从而实现近似误差的递减。
• 在K次迭代后，推导出理论近似比为(1 + ½((α+1)/(α+2))^{K-1})，随着K增加，该值趋近于1。

实验结果

研究问题

• RQ1 能否构建一种概率分布模型，以准确表示欧几里得空间中最优TSP环游长度的分布？
• RQ2 对该分布实施迭代截断过程，能否获得优于现有算法的可证明更优近似比？
• RQ3 随着迭代次数的增加，TGB方法是否趋近于真实最优解？
• RQ4 TGB近似比与已知基准（如Christofides算法和LKH求解器）在真实TSPLIB实例上的表现相比如何？
• RQ5 该方法能否高效应用于大规模TSP实例，并具备可证明的性能保证？

主要发现

• 在K次迭代后，TGB方法的理论近似比为(1 + ½((α+1)/(α+2))^{K-1})，随着K增加，该值趋近于1，表明其趋近于真实最优解。
• 对于n ≤ 600的TSPLIB实例，TGB方法的平均结果与真实最优解相差仅0.2%，仅有少数情况存在轻微偏差（如ulysses22.tsp为1.1%，berlin52.tsp为7.8%）。
• 该方法在大多数情况下与LKH求解器的输出结果一致，验证了其准确性和可靠性。
• 形状参数α通过环游长度分布的前四阶矩估计得出，从而可直接从TSP实例数据中参数化。
• TGB框架可通过修改代码以集成到现有求解器（如LKH）中，实现迭代截断和期望值更新。
• TGB方法的计算复杂度预计低于Christofides的O(n³)，因其使用闭式期望和迭代优化，尽管论文未推导出确切时间复杂度。