背景知识

TSP即Travelling SalesmanProblem（旅行商人问题）的简称。是数学领域中的著名问题之一。有n个城市，一个旅行商人要从其中某一个城市出发，唯一走遍所有的城市，再回到他出发的城市，求最短的路线。这个问题对快递业等行业也非常具有现实意义，当然现实中的TSP一般是动态的，要更为复杂。TSP可以分为两类，一类是对称TSP（Symmetric TSP），另一类是非对称TSP（Asymmetric TSP）。区别就在于都市a到b和都市b到a的cost是否相等，相等的就是对称TSP。这里我们讨论的都是对称TSP。大家应该能想象的到，所有的TSP问题都可以用一个Graph来描述，当然这篇文章主要不是为了讨论TSP本身，具体的定义就从略了，大家可以自行查找。

TSP已经被证明是个NP Hard问题。目前有许多算法能够用来解决TSP，比如大家熟悉的动态规划，以及诸如蚁群算法的各种进化算法。为了评价这些算法的性能，德国Heidelberg University 的Gerhard Reinelt在上世纪90年代在其研究室的主页上公开了一套TSPLIB（以TSP为主的问题库），因其在之后被TSP方面的几篇重要论文所采用，渐渐成为评价TSP算法公认的BENCHMARK。

链接：http://www.iwr.uni-heidelberg.de/groups/comopt/software/TSPLIB95/

TSPLIB文件格式

TSPLIB是一个包含了TSP及其相关问题的问题库。其中的文件都具有.tsp后缀。

关于这些文件的使用，有一篇专门的解说论文(https://docs.google.com/file/d/0B4zUGKjaO9uERU1RZDNuRkg3TW8/edit)。但是解说并不是特别详细，另外很多同学也不知道这篇论文的存在，我在这里还是稍微说明一下。

一个典型的TSPLIB文件，如eil51.tsp，具有如下的格式：

NAME : eil51

COMMENT : 51-city problem (Christofides/Eilon)

TYPE : TSP

DIMENSION : 51

EDGE_WEIGHT_TYPE : EUC_2D

NODE_COORD_SECTION

1 37 52

2 49 49

3 52 64

4 20 26

5 40 30

…

50 56 37

51 30 40

EOF

NAME就是该文件的名字。

COMMENT是对这个问题的附加说明。

TYPE描述了问题的类型，因为TSPLIB中还包含了一些其他类型的问题，但是这里我们只关注TSP类型。

DIMENSION描述了城市的数量。

EDGE_WEIGHT_TYPE 描述了两个城市间cost的类型，这里是我们最为熟悉的2D欧几里得距离。

NODE_COORD_SECTION描述了各个城市的2D欧几里得坐标。每一行按照城市编号，X坐标，Y坐标的顺序。

但是需要注意的是，EDGE_WEIGHT_TYPE并不是只有EUC_2D一种，而是有13种之多。各种类型有对应的距离计算方法，如曼哈顿距离，地理距离等，这里我就不一一列举了，论文中有详细的叙述。这里我只单独提一下出现最多的一种类型EXPLICIT，这种类型和其他的区别较大，城市间的距离是显式给出的，无需再计算。以gr17.tsp为例：

NAME: gr17

TYPE: TSP

COMMENT: 17-city problem (Groetschel)

DIMENSION: 17

EDGE_WEIGHT_TYPE: EXPLICIT

EDGE_WEIGHT_FORMAT: LOWER_DIAG_ROW

EDGE_WEIGHT_SECTION

 0633 0 257 390 0 91 661 228 0 412 227

 169383 0 150 488 112 120 267 0 80 572 196

 77351 63 0 134 530 154 105 309 34 29 0

 259555 372 175 338 264 232 249 0 505 289 262

 476196 360 444 402 495 0 353 282 110 324 61

 208292 250 352 154 0 324 638 437 240 421 329

 297314 95 578 435 0 70 567 191 27 346 83

 4768 189 439 287 254 0 211 466 74 182 243

 105150 108 326 336 184 391 145 0 268 420 53

 239199 123 207 165 383 240 140 448 202 57 0

 246745 472 237 528 364 332 349 202 685 542 157

 289426 483 0 121 518 142 84 297 35 29 36

 236390 238 301 55 96 153 336 0

EOF

需要注意的是，如果EDGE_WEIGHT_TYPE类型为EXPLICIT，那么就没有NODE_COORD_SECTION项，而是对应的EDGE_WEIGHT_FORMAT与EDGE_WEIGHT_SECTION，EDGE_WEIGHT_FORMAT指明了数据以何种形式呈现，这里的LOWER_DIAG_ROW代表着下三角矩阵。也就是说EDGE_WEIGHT_SECTION所列出的数据应当这么看，

0

633 0

257 390 0

91 661 228 0

…

城市1到城市2的距离就是633，任何城市到自己本身的距离都为0。另外除了下三角矩阵还有全矩阵，上三角矩阵等。

另外，tsp文件对空格的数量和最终的EOF并没有严格的要求，因此每个文件在格式上都可能有些微妙的区别，这就为解析器的实现提出了一些小小的挑战。好在我们还有正则表达式可以比较轻松的解决这些问题。

解析器实现

无论是什么算法，真正需要的信息只有城市规模的维度和各个城市间的距离，如何解析tsp文件获得这些信息，正是我们关心的。下面我给出一个C#实现的简易解析器，只为了说明问题，代码本身还有很多可以优化重构的地方。

using System;
using System.Collections.Generic;
using System.Text;
using System.Text.RegularExpressions;
using System.IO;


namespace TspFileParser
{
    class Program
    {
        public static class TspParser
        {
            
            public static void ParseTspFile(string fileName, out int[,] distMatrix)
            {
                //string[] lines = {};
                string typePattern = @"\nTYPE\s?:\s?(?<type>\w+)";
                string dimPattern = @"DIMENSION\s?:\s?(?<dimension>\d+)";
                string wtypePattern = @"EDGE_WEIGHT_TYPE\s?:\s?(?<wtype>\w+)";
                string formatPattern = @"EDGE_WEIGHT_FORMAT\s?:\s?(?<ftype>\w+)";
                //string pattern = @"(^TYPE\s*:\s*(?<type>\w+))|(DIMENSION\s*:\s*(?<dimension>\d+))|(EDGE_WEIGHT_TYPE\s*:\s*(?<wtype>\w+))";
                //map dimension
                int dim = 0;
                string text = default(string);
                
                try 
                {
                   // lines = File.ReadAllLines(fileName);
                    text = File.ReadAllText(fileName);
                } 
                catch(DirectoryNotFoundException /*DirctNot*/)
                {
                    Console.WriteLine("Directory is incorrect!");
                }
                catch (FileNotFoundException /*fileNot*/)
                {
                    Console.WriteLine("File not found!");
                }
                
                Match problemType = Regex.Match(text, typePattern);
                if (problemType.Groups["type"].Value != "TSP")
                    throw new Exception("Not a tsp file!");//not handled
                Match dimension  = Regex.Match(text, dimPattern);
                Match weightType = Regex.Match(text, wtypePattern);
                string[] textSplit = text.Split(new Char[] {' ', '\n'});
                dim = Convert.ToInt32(dimension.Groups["dimension"].Value);
                distMatrix = new int[dim, dim];
                switch (weightType.Groups["wtype"].Value)
                {
                    case"EXPLICIT":
                        {
                            Match formatType = Regex.Match(text, formatPattern);
                            switch(formatType.Groups["ftypes"].Value)
                            {
                                //symmetrical full matrix
                                case"FULL_MATRIX":
                                    {
                                        int startPos = 0;
                                        for (int i = 0; i < textSplit.Length; ++i)
                                        {
                                            if (textSplit[i] == "EDGE_WEIGHT_SECTION")
                                            {
                                                startPos = i;
                                            }
                                        }
                                        for (int j = 0, n = 0; j < dim; ++j)
                                        {
                                            for (int i = 0; i < dim; ++i)
                                            {
                                                ++n;
                                                distMatrix[i, j] = text[startPos + n];

                                            }

                                        }
                                        break;
                                    }
                                    //lower digram matrix
                                case"LOWER_DIAG_ROW":
                                    {
                                        int startPos = 0;
                                        for (int i = 0; i < textSplit.Length; ++i)
                                        {
                                            if (textSplit[i] == "EDGE_WEIGHT_SECTION")
                                            {
                                                startPos = i;
                                            }
                                        }
                                        for (int j = 0, n=0; j < dim; ++j)
                                        {
                                            for (int i = 0; i <=j; ++i)
                                            {
                                                ++n;
                                                distMatrix[i, j] = text[startPos + n];
                                                
                                            }
                                        }
                                        break;
                                    }   
                                default: break;
                            }
                            break;
                        }
                    case "EUC_2D":
                        {
                            
                            
                            int startPos = 0;
                            //array to store the cordinate of every city
                            Tuple<int, int>[] cityCord = new Tuple<int, int>[dim];
                            //find the start index of cordinate region
                            for(int i=0; i<textSplit.Length; ++i)
                            {
                                if( textSplit[i] == "NODE_COORD_SECTION")
                                {
                                    startPos = i;
                                }
                            }
                            //extract cordinates
                            for (int n=0, i = startPos; n<dim; ++n )
                            {
                                //plus 2 to jump over the index before cordinate
                                i = i + 2;
                                int x = Convert.ToInt32(textSplit[i]);
                                ++i;
                                int y = Convert.ToInt32(textSplit[i]);
                                cityCord[n] = new Tuple<int, int>(x, y);
                            }
                            //compute distance
                            for (int i = 0, startj = 0; i < dim; ++i)
                            {
                                for (int j = startj; j < dim; ++j)
                                {
                                    distMatrix[i, j] = (int)Math.Sqrt((cityCord[i].Item1 - cityCord[j].Item1) * (cityCord[i].Item1 - cityCord[j].Item1)
                                                                    + (cityCord[i].Item2 - cityCord[j].Item2) * (cityCord[i].Item2 - cityCord[j].Item2));
                                    distMatrix[j, i] = distMatrix[i, j];
                                }
                                ++startj;
                            }
                            break;
                        }
                    default: break;

                }    
                
            }
                     
        }
        static void Main(string[] args)
        {
            //TspParser parser = new TspParser();
            Console.WriteLine("Please input the path of Tsp file");
            int[,] distance;
            TspParser.ParseTspFile(Console.ReadLine(),out distance);
            Console.ReadKey();
        }
    }
}

这里我们只有一个静态类和一个静态方法。静态方法ParseTspFile有两个参数，fileName是tsp文件的路径与名称，out int[,] distMatrix则是用来保存城市间距离的二维数组。先将整个文件读入为一个string，然后用4种pattern分别捕获字段TYPE, DIMENSION, EDGE_WEIGHT_TYPE, EDGE_WEIGHT_FORMAT之后的内容。正则表达式本身并不复杂，相信大家应该能看明白，需要注意的地方是空格和换行的匹配。捕获到的TYPE类型用于判断文件是否是个tsp类型文件，DIMENSION用于确定数组的大小，EDGE_WEIGHT_TYPE用于判断距离类型，这里我简单的用了个switch语句。不同的类型需要不同的处理，这里我只实现了EUC_2D与EXPLICIT类型，其余的大家可以参考论文自行实现。如果是EXPLICIT类型，则还需要判断EDGE_WEIGHT_FORMAT，这里我实现了对称全矩阵和下三角矩阵两种情形，其余的大家也可自行实现。Main函数用于测试。最终得到的distMatrix就可以为各种算法所用了。比起常规的判断，正则表达式强大的表达力使得我们关心的信息的抽取变得十分容易。

TSPLIB简介与简易解析器实现