tsp_cw 1.0.4

TSP solver using Clarke–Wright, Greedy, and Greedy+Lambda with Numba acceleration

🧭 tsp_cw — Numba-Accelerated TSP Solver

tsp_cw là thư viện Python nhẹ, được tối ưu bằng Numba cho các bài toán
Travelling Salesman Problem (TSP) và các biến thể heuristic.
Nó cung cấp ba giải thuật chính: Clarke–Wright, Greedy, và Greedy + λ,
cùng thuật toán 2-opt local search để cải thiện lời giải.

---

🚀 Tính năng nổi bật

• Hiệu năng cực nhanh: mọi thuật toán được biên dịch JIT bằng Numba.
• Tự động warmup: chỉ cần gọi tsp_cw.warmup() để biên dịch trước khi chạy thực tế.
• Ba giải thuật TSP chính:
  • 🧩 Clarke–Wright Savings heuristic
  • ⚡ Greedy nearest-neighbor
  • 🔀 Greedy + λ (linear combination heuristic)
• Local search 2-opt có thể bật/tắt tùy chọn.
• Colab-safe optimization: tránh crash kernel khi chạy trong môi trường Google Colab.

---

📦 Cài đặt

Từ PyPI

pip install tsp-cw

Hoặc cài thủ công (nếu bạn đang phát triển)

git clone https://github.com/thucnc7/tsp-cw.git
cd tsp-cw
pip install -e .

---

🧠 Cấu trúc thư viện

tsp_cw/
├── __init__.py          # export các hàm public
├── tsp_cw.py            # code chính chứa heuristic và 2-opt
└── README.md            # tài liệu này

Các hàm quan trọng:

Hàm	Mô tả
clarke_wright(D)	Clarke–Wright savings heuristic
greedy_tsp(D)	Greedy nearest-neighbor heuristic
greedy_lambda_tsp(D, λ)	Greedy + λ heuristic
two_opt(D, route)	Local search 2-opt cải thiện lời giải
tour_length_from_D(D, route)	Tính tổng chiều dài route
build_tsp_route(D, algo_id, ...)	Hàm tổng hợp chọn thuật toán
warmup()	Compile sẵn toàn bộ kernel Numba

---

⚡ Hướng dẫn sử dụng cơ bản

import numpy as np
from tsp_cw import build_tsp_route, tour_length_from_D

D = np.array([
    [0, 2, 9, 10],
    [1, 0, 6, 4],
    [15, 7, 0, 8],
    [6, 3, 12, 0]
], dtype=np.float64)

route = build_tsp_route(D, algo_id=0, local_search=True)
print("Best route:", route)
print("Total distance:", tour_length_from_D(D, route))

---

☁️ Hướng dẫn cho Google Colab

Colab thường gây crash khi Numba ghi cache ra /root.
Hãy đặt 3 dòng này trước khi import thư viện:

import os
os.environ["PYDEVD_DISABLE_FILE_VALIDATION"] = "1"
os.environ["PYDEVD_USE_FRAME_EVAL"] = "NO"
os.environ["NUMBA_CACHE_DIR"] = "/tmp"

👉 Sau đó import và gọi warmup():

from tsp_cw import warmup
warmup()

→ Kernel sẽ không restart, cache an toàn, tốc độ giữ nguyên.

---

🧪 Benchmark nhỏ

n (điểm)	Clarke–Wright	Greedy	Greedy + λ	2-opt improve
50	~2 ms	~1 ms	~3 ms	~4 ms
200	~8 ms	~6 ms	~10 ms	~12 ms
500	~25 ms	~18 ms	~32 ms	~40 ms

(chạy trên macOS M1, Python 3.12, Numba 0.60)

---

⚙️ Tham số trong build_tsp_route

Tên	Mặc định	Ý nghĩa
algo_id	0	0=Clarke–Wright, 1=Greedy, 2=Greedy + λ
lambda_value	0.5	hệ số λ trong Greedy + λ
local_search	True	bật/tắt 2-opt
max_iter	1000	giới hạn lặp 2-opt
seed	42	random seed để reproducible

---

🪶 Giấy phép

MIT License © 2025 Le Sy Thuc
Tự do sử dụng cho học tập, nghiên cứu và thương mại.

---

✅ Tác giả: Lê Sỹ Thức
🎓 Khoa Học Máy Tính & Thông Tin – Đại Học Khoa Học Tự Nhiên – ĐHQGHN
🧪 Dự án SAHUS Lab — Smart Logistics Optimization