【运筹优化】不同版本 Cplex 求解 TSP 的速度对比 + Java 代码实现

本文主要是介绍【运筹优化】不同版本 Cplex 求解 TSP 的速度对比 + Java 代码实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 一、前言
  • 二、完整代码
    • 2.1 算法部分
    • 2.2 调用部分
  • 三、运行结果示例
  • 四、求解时间统计


一、前言

本文测试了Cplex的不同版本:12.6.3、12.8.0、12.9.0、12.10、20.10、22.10 在 TSP 问题上的求解性能

测试环境:Win11 + CPU i9-12900H + 内存32G + Java8


二、完整代码

2.1 算法部分

求解 TSP 的模型采用 MTZ 消除子回路,建立混合整数规划模型如下(Java 代码):

public class IP_TSP {// 城市坐标<[x,y]>List<double[]> locationList;// 距离矩阵double[][] distance;// 城市数量int cityNum;// 开始地点索引int startIndex;public IP_TSP(List<double[]> locationList) {this.locationList = locationList;}public void solve() {initVar();solver();}private void solver() {try {IloCplex cplex = new IloCplex();//决策变量IloIntVar[][] intVars = new IloIntVar[cityNum][cityNum];for (int i = 0; i < cityNum; i++) {for (int j = 0; j < cityNum; j++) {if (i != j) {intVars[i][j] = cplex.intVar(0, 1);}}}//目标函数IloLinearNumExpr target = cplex.linearNumExpr();for (int i = 0; i < cityNum; i++) {for (int j = 0; j < cityNum; j++) {if (i != j) {target.addTerm(distance[i][j], intVars[i][j]);}}}//求目标函数的最小值cplex.addMinimize(target);//约束//约束1:每行每列之和等于1for (int i = 0; i < cityNum; i++) {IloLinearNumExpr expr_row = cplex.linearNumExpr();IloLinearNumExpr expr_col = cplex.linearNumExpr();for (int j = 0; j < cityNum; j++) {if (i != j) {expr_row.addTerm(1, intVars[i][j]);expr_col.addTerm(1, intVars[j][i]);}}cplex.addEq(expr_row, 1);cplex.addEq(expr_col, 1);}//约束2:消除子回路IloNumVar[] u = cplex.numVarArray(cityNum, 0, Double.MAX_VALUE);for (int i = 1; i < cityNum; i++) {for (int j = 1; j < cityNum; j++) {if (j != i) {IloLinearNumExpr expr = cplex.linearNumExpr();expr.addTerm(1.0, u[i]);expr.addTerm(-1.0, u[j]);expr.addTerm(cityNum - 1, intVars[i][j]);cplex.addLe(expr, cityNum - 2);}}}//取消cplex输出cplex.setOut(null);//求解if (cplex.solve()) {List<Integer> bestPath = new ArrayList<>();bestPath.add(startIndex);int index = startIndex;while (true) {for (int i = 0; i < intVars[index].length; i++) {if (index != i && cplex.getValue(intVars[index][i]) > 1e-06) {index = i;bestPath.add(i);break;}}if (index == startIndex) {break;}}System.out.println("最短路径为:" + bestPath);System.out.println("最短路径长度为:" + cplex.getObjValue());} else {System.err.println("此题无解");}} catch (Exception e) {e.printStackTrace();}}// 初始化变量public void initVar() {// 开始地点索引startIndex = 0;// 城市数量为点的数量cityNum = locationList.size();// 距离矩阵distance = new double[cityNum][cityNum];// 初始化距离矩阵for (int i = 0; i < distance.length; i++) {for (int j = i; j < distance[i].length; j++) {if (i == j) {// 对角线为无穷大distance[i][j] = Double.MAX_VALUE;} else {// 计算i到j的距离distance[i][j] = getDistance(locationList.get(i), locationList.get(j));distance[j][i] = distance[i][j];}}}}// 计算两点之间的距离(使用伪欧氏距离,可以减少计算量)public double getDistance(double[] place1, double[] place2) {// 伪欧氏距离在根号内除以了一个10
//        return Math.sqrt((Math.pow(place1[0] - place2[0], 2) + Math.pow(place1[1] - place2[1], 2)) / 10.0);return Math.sqrt((Math.pow(place1[0] - place2[0], 2) + Math.pow(place1[1] - place2[1], 2)));}}

2.2 调用部分

下面代码通过随机的方式,创造了城市数量 30~40 的 11 个 TSP 随机案例

public class Test {public static String line = "-------------------------------------------------------------------------";public static void main(String[] args) {Random random = new Random(666L);for (int cityNum = 30; cityNum <= 40; cityNum++) {solveByMip(cityNum, random);}}public static void solveByMip(int cityNum, Random random) {long startTime = System.currentTimeMillis();List<double[]> locationList = createLocationList(cityNum, random);new IP_TSP(locationList).solve();System.out.println("cityNum: " + cityNum + " , solveTime: " + ((System.currentTimeMillis() - startTime) / 1000d) + " s");System.out.println(line);}public static List<double[]> createLocationList(int cityNum, Random random) {List<double[]> locationList = new ArrayList<>();for (int i = 0; i < cityNum; i++) {locationList.add(new double[]{random.nextDouble() * 10000, random.nextDouble() * 10000});}return locationList;}}

三、运行结果示例

下面的输出是用 Cplex12.6.3 运行出来的,其他版本的运行输出就不展示了,在下一章直接对不同版本的求解速度进行统计

最短路径为:[0, 5, 14, 8, 17, 1, 3, 13, 11, 27, 29, 22, 12, 25, 20, 26, 4, 10, 7, 24, 21, 15, 9, 23, 19, 2, 16, 6, 18, 28, 0]
最短路径长度为:45583.110232714316
cityNum: 30 , solveTime: 0.573 s
-------------------------------------------------------------------------
最短路径为:[0, 12, 17, 27, 23, 21, 11, 14, 30, 19, 3, 29, 18, 13, 15, 26, 28, 1, 5, 16, 8, 20, 4, 10, 22, 9, 7, 2, 24, 6, 25, 0]
最短路径长度为:42724.7438801804
cityNum: 31 , solveTime: 0.18 s
-------------------------------------------------------------------------
最短路径为:[0, 26, 14, 5, 11, 9, 21, 13, 2, 22, 1, 7, 16, 15, 25, 27, 4, 17, 10, 28, 3, 23, 12, 30, 24, 31, 8, 6, 29, 20, 18, 19, 0]
最短路径长度为:46736.35653970036
cityNum: 32 , solveTime: 1.022 s
-------------------------------------------------------------------------
最短路径为:[0, 10, 16, 9, 23, 1, 3, 14, 6, 25, 26, 7, 5, 28, 8, 27, 12, 32, 11, 24, 21, 30, 17, 2, 22, 13, 29, 31, 19, 20, 15, 4, 18, 0]
最短路径长度为:45233.949316241386
cityNum: 33 , solveTime: 4.06 s
-------------------------------------------------------------------------
最短路径为:[0, 28, 5, 14, 13, 18, 26, 11, 16, 8, 33, 25, 20, 19, 27, 7, 24, 17, 21, 22, 12, 2, 15, 10, 31, 9, 29, 6, 23, 3, 4, 1, 30, 32, 0]
最短路径长度为:46999.268123455695
cityNum: 34 , solveTime: 0.787 s
-------------------------------------------------------------------------
最短路径为:[0, 16, 14, 20, 27, 21, 10, 3, 23, 33, 29, 25, 6, 18, 17, 28, 7, 31, 19, 26, 32, 8, 5, 9, 4, 34, 2, 12, 13, 22, 30, 1, 11, 24, 15, 0]
最短路径长度为:51482.36852924586
cityNum: 35 , solveTime: 0.374 s
-------------------------------------------------------------------------
最短路径为:[0, 23, 26, 35, 33, 29, 30, 15, 20, 12, 3, 17, 18, 24, 8, 27, 19, 21, 32, 31, 22, 34, 7, 1, 16, 13, 4, 28, 10, 2, 11, 5, 6, 9, 25, 14, 0]
最短路径长度为:49420.551512260885
cityNum: 36 , solveTime: 0.896 s
-------------------------------------------------------------------------
最短路径为:[0, 12, 1, 7, 10, 33, 32, 20, 21, 8, 29, 2, 6, 18, 36, 9, 28, 35, 31, 15, 27, 30, 22, 25, 34, 5, 23, 26, 14, 13, 19, 24, 3, 4, 16, 17, 11, 0]
最短路径长度为:52096.36583441236
cityNum: 37 , solveTime: 4.602 s
-------------------------------------------------------------------------
最短路径为:[0, 10, 13, 12, 19, 1, 21, 18, 28, 22, 9, 15, 25, 31, 23, 30, 5, 29, 16, 3, 7, 33, 36, 11, 8, 27, 4, 6, 20, 24, 14, 34, 17, 2, 35, 37, 26, 32, 0]
最短路径长度为:48481.89773743604
cityNum: 38 , solveTime: 5.914 s
-------------------------------------------------------------------------
最短路径为:[0, 15, 35, 20, 14, 32, 12, 29, 37, 5, 11, 16, 13, 6, 3, 25, 23, 9, 19, 22, 27, 38, 1, 34, 24, 4, 8, 31, 30, 10, 7, 26, 33, 18, 17, 28, 36, 21, 2, 0]
最短路径长度为:46654.509283092666
cityNum: 39 , solveTime: 0.773 s
-------------------------------------------------------------------------
最短路径为:[0, 24, 35, 4, 14, 16, 28, 39, 17, 30, 22, 37, 21, 8, 34, 13, 12, 19, 5, 20, 31, 9, 18, 25, 29, 27, 10, 33, 7, 3, 23, 6, 1, 2, 36, 38, 32, 15, 26, 11, 0]
最短路径长度为:50592.89805137726
cityNum: 40 , solveTime: 0.773 s
-------------------------------------------------------------------------

四、求解时间统计

在这里插入图片描述
表格里的数值是求解时间,单位是秒。

通过记录分析,我们可以发现整体表现最好的版本是 Cplex12.6.3,其不仅平均求解时间最短,且发挥也是最稳定的

这篇关于【运筹优化】不同版本 Cplex 求解 TSP 的速度对比 + Java 代码实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/563043

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

JVM 的类初始化机制

前言 当你在 Java 程序中new对象时,有没有考虑过 JVM 是如何把静态的字节码(byte code)转化为运行时对象的呢,这个问题看似简单,但清楚的同学相信也不会太多,这篇文章首先介绍 JVM 类初始化的机制,然后给出几个易出错的实例来分析,帮助大家更好理解这个知识点。 JVM 将字节码转化为运行时对象分为三个阶段,分别是:loading 、Linking、initialization

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权,允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true (Spring security默认会带有ROLE_前缀),去

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

Spring Security--Architecture Overview

1 核心组件 这一节主要介绍一些在Spring Security中常见且核心的Java类,它们之间的依赖,构建起了整个框架。想要理解整个架构,最起码得对这些类眼熟。 1.1 SecurityContextHolder SecurityContextHolder用于存储安全上下文(security context)的信息。当前操作的用户是谁,该用户是否已经被认证,他拥有哪些角色权限…这些都被保

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

Java进阶13讲__第12讲_1/2

多线程、线程池 1.  线程概念 1.1  什么是线程 1.2  线程的好处 2.   创建线程的三种方式 注意事项 2.1  继承Thread类 2.1.1 认识  2.1.2  编码实现  package cn.hdc.oop10.Thread;import org.slf4j.Logger;import org.slf4j.LoggerFactory