一、旅行商问题（Traveling Saleman Problem，TSP）
1.旅行商问题的定义
旅行商问题，是一个经典的组合优化问题，而且是著名NP问题之一。如下图所示
，可以想象，有A，B，C，D，E 五个地点，我们想找到一条路径，从地点A出发，经过剩余四个地点，然后回到地点A，从所有可能路径中找到距离最短的一条路径。本章借用了文献[*1]的图表。
2.旅行商问题求解的计算量
最简单的求解方式就是，如下图所示把所有的求解路径全部计算一遍，然后算出每条路径的长度，求出最短路径。
如下图所示，所有的枚举路径总共有24条，我们可以很快找到最短路径。
如果下面A～Z的情况，这个计算量，日本的第一超级计算机富岳，每秒的计算速度约为44.2京次（京是10的16次方，即万兆）。一年的秒数是3600×24×365=3153.6万秒。有兴趣的可以计算一下要算多少年。
二、TSP问题的建模
1.总体Hamilton量 H H H
该问题输入有两个，这里借用了文章[*2]的图表：
- 地点数目： N N N
- 地点之间的距离： l i , j ( i = 1 , ・・・ , N ) l_{i,j}(i = 1,・・・, N) li,j(i=1,・・・,N)
约束条件：
- 每个时间步只能访问一个地点。
- 每个地点都访问过一次。
整体的Hamilton量 H H H如下：
目标变量
x
i
,
j
x_{i,j}
xi,j的两个下标的意思如下图👇所示，绿色的圆圈代表在某个时间步访问了某个第地点，所以我们的目标变量就可以用0或1表示了，0代表未访问，1代表访问。
2.约束条件
约束条件比较简单，先从约束条件解释，这里有2个约束可以解释如下：
- 每个时间步只能访问一个地点。
=> 上图矩阵里的每列元素之和必须为1。也就是每列中只有一个元素为1。 - 每个地点都访问过一次。
=> 上图矩阵里的每行元素之和必须为1。也就是每行中只有一个元素为1。
具体表达式如下：
3.目标函数
解析：
-
x i , t x j , t + 1 x_{i,t}x_{j,t+1} xi,txj,t+1：
这里的目标函数，最难理解的是 x i , t x j , t + 1 x_{i,t}x_{j,t+1} xi,txj,t+1。可以理解为【 t t t时间步访问地点 i i i， t + 1 t+1 t+1时间步访问地点 j j j时， x i , t x j , t + 1 x_{i,t}x_{j,t+1} xi,txj,t+1=1；其他的情况， x i , t x j , t + 1 x_{i,t}x_{j,t+1} xi,txj,t+1=0】。 -
∑ i = 1 N ∑ j = 1 N ∑ t = 1 N \sum_{i=1}^N \sum_{j=1}^N \sum_{t=1}^N ∑i=1N∑j=1N∑t=1N：
该表达式代表了，【 t t t时间步访问地点 i i i， t + 1 t+1 t+1时间步访问地点 j j j时，地点 i i i和 j j j之间的距离 ℓ i , j \ell_{i, j} ℓi,j之和】。所以，这个目标函数就代表了，从初始地点，经过所有地点后，回到初始地点的距离总和。
总结
旅行商问题，是比较有实际意义的应用问题，大家能体会到怎么把现实问题抽象出binary变量，然后怎么把制约条件表达出来。因为，上面的建模有两种编程实现方式，为了控制篇幅，下一篇献上Python代码。文章来源：https://www.toymoban.com/news/detail-417313.html
在阅读参考文献时，经常会发现资料里的一些小错误，大家以后阅读资料时也要小心啊。文章来源地址https://www.toymoban.com/news/detail-417313.html
- 参考文献：
[*1] : https://www.nttdata.com/jp/ja/-/media/nttdatajapan/files/news/services_info/2021/012800/012800-01.pdf
[*2] : https://qiita.com/yufuji25/items/0425567b800443a679f7
到了这里，关于量子退火算法入门（4）：旅行商问题的QUBO建模「上篇」的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
