面向大规模 TSP 的超环导向邻域搜索
机器学习
2026-04-16 v3
摘要
旅行商问题 (TSP) 是一个著名的 NP 难问题，已广泛吸引学术界和工业界的关注。虽然神经网络方法在解决 TSP 方面显示出前景，但仍面临在大型实例中实现规模化的挑战，尤其是全局热图、边权或访问矩阵相关的内存限制，以及生成高质量初始解和不足的全局引导以高效地导航广阔搜索空间的问题。为此，我们提出了一种超环引导的邻域搜索 (HyperNS) 方法，用于大规模 TSP 实例。灵感来自“先聚类后规划路线”策略，我们的方法首先使用稀疏热图图将 TSP 实例划分为簇，并将其抽象为超节点，随后生成超环以指导初始化和优化过程。该方法通过聚焦于与超环相关的边来缩小搜索空间，从而实现更高效、更有效的优化。实验结果表明，我们的方法在处理大规模实例方面优于现有的神经网络方法，尤其是在缩小与最优解的差距方面具有显著优势。
引用
@article{arxiv.2510.20169,
title = {Empowering Targeted Neighborhood Search via Hyper Tour for Large-Scale TSP},
author = {Tongkai Lu and Shuai Ma and Chongyang Tao},
journal= {arXiv preprint arXiv:2510.20169},
year = {2026}
}
备注
The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-52096-7}