.png){kind=icon}
返回
Neural Re-Insertion Improvement Algorithm for Large-Scale TSP
.png){kind=icon}
PRE
AI
DOI：10.1007/s40305-025-00669-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
旅行商问题（TSP）是组合优化中的一个重要问题，它为集成电路设计、基因组学等前沿科学问题奠定了基础。基于学习的方法在解决TSP方面取得了显著成果，展示了高效的感知和决策能力。然而，随着现代场景规模的不断扩大，通过学习途径高效改进现有解决方案仍是一项具有挑战性和紧迫性的任务。本文提出了一种针对TSP的再插入改进通用框架。聚焦于再插入位置选择这一核心决策，我们设计了一种基于深度强化学习的神经再插入改进（NRII）算法。NRII整合了多种注意力机制和神经网络组件，以实现对再插入位置的感知和参数化，随后通过策略优化方法进行模型训练。广泛的数值实验验证了NRII算法能够与各种求解方法结合，在不同规模和分布下高效提升解的质量。此外，还进行了NRII超参数的详细敏感性分析。
Keyword:
Large-scale traveling salesman problem
Re-insertion decision
90-11
期刊
J
IF:
1.1
论文数:
72
被引数:
487
机构
引用论文
Guo, T.D.; Li, A.Q.; Han, C.Y. Machine Learning Methods for Combinatorial Optimization Problems. Sci. Sin. Math. 2025, 55, 451–480. Available online: https://kns.cnki.net/kcms2/article/abstract?v=R2bxtEM5djBJgUd42KAGOIE7bSe9cLZpUBSk4QL_IreXhCT_2HlmcL4nfxnpVjPCFpoC_KQb5zgA3HZsWkfK3O5IWKsPIB35AMqj5OzT69H0j3VpAgztGlagJRslXv02mY7uatyyMpxaR6Md9MWRWCFV_jj2mtYHqAvqAwgLHlgNDsMiyO7aG9CBvAijV9GuEot0kxom5TI=&uniplatform=NZKPT&language=CHS (accessed on 5 March 2025). [CrossRef]郭，T.D.；李，A.Q.；韩，C.Y.。组合优化问题的机器学习方法。Sci. Sin. Math. 2025, 55, 451–480. 在线可阅：https://kns.cnki.net/kcms2/article/abstract?v=R2bxtEM5djBJgUd42KAGOIE7bSe9cLZpUBSk4QL_IreXhCT_2HlmcL4nfxnpVjPCFpoC_KQb5zgA3HZsWkfK3O5IWKsPIB35AMqj5OzT69H0j3VpAgztGlagJRslXv02mY7uatyyMpxaR6Md9MWRWCFV_jj2mtYHqAvqAwgLHlgNDsMiyO7aG9CBvAijV9GuEot0kxom5TI=&uniplatform=NZKPT&language=CHS（访问日期：2025年3月5日）。[CrossRef].png)
IF0
PREAI
分享收藏An effective implementation of the Lin-Kernighan traveling salesman heuristicLin-kernighan旅行商启发式算法的有效实现
OAAI
OAAI分享收藏GLOP: Learning Global Partition and Local Construction for Solving Large-Scale Routing Problems in Real-TimeGLOP：学习全局分区和局部构建以实时解决大规模路由问题
OAAI
OAAI分享收藏Ant colony system: a cooperative learning approach to the traveling salesman problem蚁群系统: 旅行商问题的合作学习方法
PREAI
分享收藏
查看更多内容