Đối với phương pháp phân nhánh, điều cần thiết là phải biết nhiều khía cạnh của các đa giác được tạo ra bởi vấn đề. Tuy nhiên, hiện tại đây là một trong những vấn đề khó khăn nhất để thực sự tính toán tất cả các khía cạnh của các đa giác như vậy khi chúng nhanh chóng tăng kích thước.
Đối với một vấn đề tối ưu hóa tùy ý, đa giác được sử dụng bởi phương pháp cắt nhánh hoặc cũng có thể bằng phương pháp mặt phẳng cắt là vỏ lồi của tất cả các đỉnh khả thi. Một đỉnh là một sự phân công của tất cả các biến của mô hình. Là một (rất đơn giản) Ví dụ: nếu ai có thể phát huy tối đa st x + y ≤ 1 và 0 ≤ x , y ≤ 1,5 thì các đỉnh ( 0 , 0 ) , ( 0 , 1 ) và ( 1 , 0 )là các đỉnh khả thi. vi phạm bất đẳng thức x + y ≤ 1,5 và do đó không khả thi. Vấn đề tối ưu hóa (tổ hợp) sẽ là lựa chọn trong số các đỉnh khả thi. (Trong trường hợp này, rõ ràng ( 1 , 0 ) là tối ưu). Thân lồi của các đỉnh này là tam giác có chính xác ba đỉnh này. Các khía cạnh của polytope đơn giản này là x ≥ 0 , y ≥ 0 và x + y ≤ 1. Lưu ý rằng mô tả thông qua các khía cạnh chính xác hơn mô hình. Trong hầu hết các vấn đề khó khăn - chẳng hạn như TSP - số lượng các khía cạnh vượt quá số lượng bất đẳng thức mô hình theo một số bậc độ lớn.
Xem xét vấn đề nhân viên bán hàng du lịch, với số lượng nút là đa giác được biết đầy đủ và có bao nhiêu khía cạnh. Nếu nó không hoàn thành, giới hạn thấp hơn về số lượng các khía cạnh là gì?
Tôi đặc biệt quan tâm đến cái gọi là công thức đường dẫn hamiltonian của TSP:
st
∀ i ≠ j x i , j + x j , i ≤ 1 ∀ j j - 1 Σ i = 0 x i , j + n - 1 Σ i = j + 1 x i , j ≤ 1 ∀ j j -
Nếu bạn có bất kỳ thông tin nào về polytopes của các công thức khác của TSP, vui lòng chia sẻ điều đó.