统一神经引导的级联大规模TSP求解：连接局部与种群搜索

旅行 salesman 问题（TSP）是基本的NP难优化问题。过去数十年，传统的启发式方法在求解TSP方面取得了显著成就，但其性能，特别是对于大规模实例，仍有待进一步提升。过去二十年来，深度学习技术的进步驱动了越来越多的尝试通过利用神经引导来求解TSP。然而，这些努力主要聚焦于小规模TSP实例，对大规模实例求解性能的提升有限，暴露了持久的可扩展性挑战。本文提出了UNiCS（Unified neural-guided cascaded solver），一种新的用于求解大规模TSP实例的统一神经引导级联求解器。UNiCS由局部搜索（LS）阶段和种群搜索（PBS）阶段组成，两者都由称为统一神经引导（UNG）的学习组件进行指导。具体而言，UNG指导两个阶段的解生成，并确定合适的阶段转换时间，以有效组合LS和PBS的互补优势。虽然仅在简单分布且规模相对较小的TSP实例上进行训练，UNiCS却能有效地泛化到包含大量更大规模实例（10,000-71,009节点）且节点分布多样、在训练期间从未见过的具有挑战性的TSP基准。大规模TSP实例的实验结果表明，UNiCS consistently优于最先进的方法，其优势在各种运行时间预算下保持一致。