The traveling salesman problem (TSP

The traveling salesman problem (TSP) is to find the
shortest hamiltonian cycle in a graph. This problem is
NP-hard and thus interesting. There are a number of
algorithms used to find optimal tours, but none are
feasible for large instances since they all grow exponentially.
We can get down to polynomial growth if we settle
for near optimal tours. We gain speed, speed and speed
at the cost of tour quality. So the interesting properties
of heuristics for the TSP is mainly speed and closeness
to optimal solutions.
There are mainly two ways of finding the optimal
length of a TSP instance. The first is to solve it optimally
and thus finding the length. The other is to
calculate the Held-Karp lower bound, which produces
a lower bound to the optimal solution (see section 7).
This lower bound is the de facto standard when judging
the performance of an approximation algorithm for
the TSP.
The heuristics discussed here will mainly concern
the Symmetric TSP, however some may be modified to
handle the Asymmetric TSP. When I speak of TSP I
will refer to the Symmetric TSP.

ผลลัพธ์ (ไทย) 2:

ปัญหาพนักงานขายที่เดินทาง (TSP) คือการหา
วงจรมิลโตเนียนที่สั้นที่สุดในกราฟ ปัญหานี้เป็น
NP-ยากและน่าสนใจจึง มีจำนวนเป็น
อัลกอริทึมที่ใช้ในการหาทัวร์ที่ดีที่สุด แต่ก็ไม่มีใครมีความ
เป็นไปได้สำหรับกรณีที่มีขนาดใหญ่ตั้งแต่พวกเขาทั้งหมดเติบโตชี้แจง.
เราจะได้รับลงไปที่การเจริญเติบโตของพหุนามถ้าเราชำระ
สำหรับทัวร์ที่ดีที่สุดที่อยู่ใกล้ เราได้รับความเร็วความเร็วและความเร็วในการ
ที่ค่าใช้จ่ายในการท่องเที่ยวที่มีคุณภาพ ดังนั้นคุณสมบัติที่น่าสนใจ
ของการวิเคราะห์พฤติกรรมสำหรับ TSP เป็นส่วนใหญ่ความเร็วและความใกล้ชิด
เพื่อแก้ปัญหาที่ดีที่สุด.
ส่วนใหญ่มีสองวิธีในการหาที่ดีที่สุด
ความยาวของอินสแตนซ์ TSP แรกคือการแก้ปัญหาได้อย่างเหมาะสม
และทำให้ระยะเวลาในการหา อื่น ๆ คือการ
คำนวณถือคาร์พขอบเขตที่ต่ำซึ่งเป็นผู้ผลิต
ที่ถูกผูกไว้ที่ต่ำกว่าที่จะแก้ปัญหาที่ดีที่สุด (ดูมาตรา 7).
ขีด จำกัด ล่างนี้เป็นมาตรฐาน de facto เมื่อตัดสิน
ประสิทธิภาพการทำงานของอัลกอริทึมประมาณสำหรับ
TSP.
วิเคราะห์พฤติกรรมการหารือ ที่นี่ส่วนใหญ่จะกังวล
สมมาตร TSP แต่บางคนอาจมีการปรับเปลี่ยนการ
จัดการ TSP ไม่สมมาตร เมื่อผมพูดถึง TSP ผม
จะอ้างถึง TSP สมมาตร

ผลลัพธ์ (ไทย) 3:

ปัญหาพนักงานขายเดินทาง ( TSP ) คือหา
วัฏจักรแอมพลิจูดที่สั้นที่สุดในกราฟ ปัญหานี้เป็นปัญหา
NP อย่างหนักและดังนั้นจึงน่าสนใจ มีหมายเลขของ
อัลกอริทึมที่ใช้ในการค้นหาทัวร์ที่ดีที่สุด แต่ไม่มี
เป็นไปได้กรณีขนาดใหญ่เนื่องจากพวกเขาทั้งหมดเติบโตชี้แจง
เราสามารถลงมาเพื่อการเจริญเติบโตโดยถ้าเราจัดการ
ใกล้ทัวร์ที่ดีที่สุด เราเพิ่มความเร็ว , ความเร็วและความเร็ว
ที่ต้นทุนคุณภาพของทัวร์ ดังนั้นคุณสมบัติที่น่าสนใจของฮิวริสติกสำหรับช้อนชา

ส่วนใหญ่มีความเร็วและความสนิทสนมให้โซลูชั่นที่เหมาะสม .
มีหลักสองวิธีในการหาความยาวที่เหมาะสม
ของ TSP อินสแตนซ์ แรกคือแก้ไขมันได้อย่างดีที่สุด
ดังนั้นการหาความยาว อื่น ๆ คือ
คำนวณจัดขึ้น คาร์พ ขอบเขตล่าง ซึ่งผลิต
าผูกไว้กับโซลูชั่นที่เหมาะสม ( ดูมาตรา 7
)ขอบเขตล่างนี้เป็นมาตรฐาน de facto เมื่อพิจารณาประสิทธิภาพของการประมาณค่า


ใช้ช้อนชา ตัวเลขที่กล่าวถึงที่นี่ส่วนใหญ่จะกังวล
TSP สมมาตร แต่บางอย่างอาจจะแก้ไขให้
จัดการช้อนชาแบบอสมมาตร เมื่อเราพูดของ TSP ผม
จะอ้างถึง TSP สมมาตร .