Distilling Privileged Information for Dubins Traveling Salesman Problems with Neighborhoods
本文提出一种基于特权信息的学习方法，用于快速解决带区域的杜宾旅行商问题，比LKH快50倍并优于其他方法。
2026-03-05 cs.AI cs.LG
Solving the Clustered Traveling Salesman Problem via TSP methods
Fuzhou University（福州大学）；Université d’Angers（昂热大学）；Huazhong University of Science and Technology（华中科技大学）
旅行商问题（英语：Traveling Salesman Problem，CTSP）是旅行商问题（英语：Traveling Salesman Problem，TSP）的一个变种，在现实生活中有很多应用。在这项工作中，我们探索了一种转换方法，解决了CTSP转换为研究TSP。为此，我们首先研究一种技术，将CTSP实例转换为TSP，然后应用功能强大的TSP求解器（包括精确和启发式求解器）来解决产生的TSP实例。我们想回答以下问题：最先进的TSP求解器如何在从CTSP转换的集群实例上执行？最先进的TSP求解器是否能与专为CTSP设计的最佳性能方法竞争？为此，我们提出了密集的计算实验的各种基准实例得出的结论。
2022-04-14 cs.AI
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem
Kyoto University（京都大学）；RIKEN AIP（理化学研究所先进智能项目中心）
词嵌入是自然语言处理中最基本的技术之一。现有的词嵌入是高维的，并且消耗大量的计算资源。在这项研究中，我们提出了WordTour，无监督的一维词嵌入。为了实现这一具有挑战性的目标，我们提出了一个分解的必要条件的词嵌入分为两部分，完整性和可靠性，并侧重于可靠性在本文中。由于单维性，WordTour非常高效，并提供了一种最小的方法来处理词嵌入。我们通过用户学习和文档分类实验证实了所提出的方法的有效性。
2022-05-04 cs.AI cs.CL cs.LG
An Efficient Hybrid Ant Colony System for the Generalized Traveling Salesman Problem
Isfahan University of Technology（伊斯法罕理工大学）；Simon Fraser University（西蒙弗雷泽大学）
广义旅行商问题（GTSP）是著名的旅行商问题（TSP）的扩展，其中节点集被划分为簇，目标是找到访问每个簇一次的最短循环。提出了一种新的求解对称GTSP问题的混合蚁群算法。该算法是一个简单的ACS的TSP改进的有效的GTSP特定的局部搜索过程的修改。我们广泛的计算实验表明，使用局部搜索过程显着提高了ACS算法的性能，使其成为迄今为止最成功的GTSP元算法之一。
2012-07-05 cs.AI math.CO math.OC
Solving the clustered traveling salesman problem with d-relaxed priority rule
University of Technology and Engineering, Vietnam National University（越南国立大学工程技术大学）；Interuniversitary Research Centre on Entreprise Networks, Logistics and Transportation (CIRRELT)（企业网络、物流与运输校际研究中心（CIRRELT））；Polytechnique Montréal（蒙特利尔理工学院）
簇上具有预定序的带约束的旅行商问题是著名的旅行商问题的一个变种。在这个问题中，交付地点被划分为具有不同紧急程度的集群，并且更紧急的地点必须在不太紧急的地点之前被访问。然而，这可能导致在旅行成本方面的低效路线。这种优先级导向的约束可以通过称为d-放松优先级的规则来放松，该规则提供了运输成本和紧急级别之间的权衡。我们的研究提出了两种方法来解决问题的d-松弛优先规则。我们改进了文献中提出的数学公式，构造了一个精确的求解方法。一个Meta探试法的迭代局部搜索框架的基础上，问题定制的运营商也被引入到寻找近似解。实验结果表明了该方法的有效性。
2018-10-06 cs.AI
A Discrete State Transition Algorithm for Generalized Traveling Salesman Problem
Central South University（中南大学）
广义流动推销员问题（GTSP）是经典流动推销员问题（TSP）的推广，是一个组合最优化问题，是一个NP难问题。本文提出了一种有效的求解GTSP问题的离散状态转移算法（DSTA），该算法引入了一种新的局部搜索算子\textit{K-circle}，以空间邻域信息为指导，缩小了搜索空间，增强了搜索能力。一种新的鲁棒更新机制，恢复概率和风险的概率（双R概率），在我们的工作中使用，以逃避局部极小值。所提出的算法进行了测试一组GTSP的实例。实验结果表明，与其他算法相比，DSTA算法具有较强的适应性和较好的搜索能力。
2013-04-29 cs.AI cs.NE math.OC
New mechanism of combination crossover operators in genetic algorithm for solving the traveling salesman problem
Tay Bac University（西北大学）；Hanoi University of Science and Technology（河内科技大学）；Le Quy Don Technical University（黎魁盾技术大学）
旅行商问题（TSP）是计算机领域的一个著名问题。针对求解TSP问题的遗传算法，已有许多研究对其进行了改进。本文提出了两种新的交叉算子和组合交叉算子的新机制，用于求解TSP问题的遗传算法。在TSP-Lib中的TSP实例上进行了实验，并与基于MSCX的遗传算法（GA）进行了比较。实验结果表明，该算法在最小、平均代价值上优于基于MSCX的遗传算法。
2020-01-14 cs.AI cs.NE
Combining Reinforcement Learning and Optimal Transport for the Traveling Salesman Problem
National University of Singapore（新加坡国立大学）；Loyola Marymount University（洛约拉马利蒙特大学）；Grabtaxi Holdings Pte Ltd（Grab出租车控股私人有限公司）
本文针对旅行商问题规模扩大时精确算法耗时、深度学习方法推理慢的问题，将熵正则化最优输运集成到深度强化学习网络中，实现无监督学习、更快推理，并在端到端训练中强制分配约束。
2022-03-02 cs.AI cs.LG math.OC
An Empirical Analysis of Approximation Algorithms for the Euclidean Traveling Salesman Problem
旅行商问题（TSP）是一个经典的计算机科学优化问题，在工业工程、理论计算机科学、生物信息学和其他几个学科都有应用。近年来，出现了许多新的近似解方法，从简单贪婪算法到源自人工智能的协作分布式算法。在本文中，我们进行了评价和分析的基石算法的欧几里德TSP。我们评估贪婪，2-选择，和遗传算法。我们使用几个数据集作为算法的输入，包括一个小型数据集，一个代表美国城市的中型数据集，以及一个由200个城市组成的合成数据集，以测试算法的可扩展性。我们发现，贪婪和2-opt算法有效地计算较小的数据集的解决方案。遗传算法对中大型数据集的优化性能最好，但一般运行时间较长。我们的实现是公开可用的。
2017-05-25 cs.AI
The Generalized Traveling Salesman Problem solved with Ant Algorithms
North University Baia Mare（北巴亚马雷大学）；Babes-Bolyai University（巴贝什-博尧伊大学）
考虑了一个著名的NP-困难问题，称为广义旅行商问题（GTSP）。在GTSP中，完全无向图的节点被划分成簇。我们的目标是找到一个最低成本的旅游通过每个集群中的一个节点。给出了求解该问题的一个精确指数时间算法和一个有效的元启发式算法。提出的元启发式算法是一种改进的蚁群系统（ACS）算法，称为增强蚁群系统（RACS），它在ACS算法中引入了新的校正规则。许多标准的测试问题的计算结果报告。所提出的算法是竞争力与其他已经提出的算法的GTSP在解决方案的质量和计算时间。
2013-10-09 cs.AI cs.NE
Augmentative Message Passing for Traveling Salesman Problem and Graph Partitioning
University of Alberta（阿尔伯塔大学）
割平面法是一种增广约束优化方法，常用于连续域优化技术，如线性和凸规划。我们研究了一个类似的想法在消息传递中的可行性-它产生积分解决方案-在两个组合问题的背景下：1）对于旅行商问题（TSP），我们提出了一个基于Held-Karp公式的因子图，具有指数数量的约束因子，每个约束因子都具有指数但稀疏的表格形式。2)对于图分区（也称为，社区挖掘）使用模块化优化，我们引入了一个二进制变量模型与大量的约束，强制形成集团。在这两种情况下，我们都能够获得令人惊讶的简单消息更新，从而在基准测试实例上获得有竞争力的解决方案。特别是对于TSP，我们能够在经验上随N^3增长的时间内找到接近最优的解，这表明增强是实用和有效的。
2014-06-04 cs.AI
A Variable Neighborhood Search for Flying Sidekick Traveling Salesman Problem
Universidade Federal de Ouro Preto（欧鲁普雷图联邦大学）
无人机（UAV）的效率和活力在过去几年中在多个行业中提供了大量的应用机会。值得注意的是，物流公司密切关注这些车辆的设想，以减少交付时间和运营成本。介绍了一种称为飞行助手流动推销员问题（FSTSP）的流动推销员问题（TSP）的变体，涉及无人机辅助的包裹递送。无人机从卡车上发射，继续向客户交付包裹，然后由卡车在第三个位置回收。当无人机在旅途中行驶时，只要无人机有足够的电池悬停等待卡车，卡车就会将包裹运送给其他客户。这项工作提出了一种混合启发式的初始解决方案是从最佳TSP解决方案达到TSP求解器。接下来，使用通用可变邻域搜索的实现来获得卡车和无人机的送货路线。计算实验表明，该算法的潜力，以提高交货时间显着。此外，我们提供了一组新的实例的基础上，著名的TSPLIB实例。
2018-10-18 cs.AI math.OC
Comparing Greedy Constructive Heuristic Subtour Elimination Methods for the Traveling Salesman Problem
Air Force Institute of Technology（空军理工学院）
本文进一步定义了用于计算旅行商问题的可行解的片段构造算法类，分为弧贪婪和节点贪婪子类。由于这些子类的算法可以创建subtours，两个已知的对称实例上的subtour消除方法进行了审查，并扩展到覆盖不对称的问题实例。本文介绍了第三种新的方法，贪婪的跟踪器，并将其与两种已知的方法进行比较。跨多个对称和非对称实例生成计算结果。结果表明，Greedy Tracker是防止低于400个节点的实例进行subtour的最快方法。区分片段建设性启发式算法和用于确保所得到的解决方案的可行性的subtour消除方法，使一个新的节点贪婪片段启发式称为有序贪婪。
2019-10-15 cs.AI cs.DC math.OC
Fixed set search applied to the traveling salesman problem
Qatar Environment and Energy Research Institute (QEERI), Hamad bin Khalifa University（哈马德·本·哈利法大学卡塔尔环境与能源研究所）；State University of Novi Pazar（新帕扎尔州立大学）；University of Hamburg（汉堡大学）；Pontificia Universidad Católica de Valparaíso（瓦尔帕莱索天主教大学）
在本文中，我们提出了一个新的人口为基础的元启发式称为固定集搜索（FSS）。所提出的方法是一种方法，增加了学习机制的贪婪随机自适应搜索过程（GRASP）。FSS的基本概念是避免关注特定的高质量解决方案，而是关注这些解决方案所具有的部分或元素。这是通过固定的一组元素，存在于这样的解决方案，并致力于计算工作，以找到接近最优的解决方案的基本子问题。旅行商问题的实施所提出的方法的简单性说明。我们的计算实验表明，FSS设法找到显着更好的解决方案，它是基于GRASP和动态凸化方法。
2018-09-06 cs.AI cs.DM
Modification of the Elite Ant System in Order to Avoid Local Optimum Points in the Traveling Salesman Problem
Amirkabir University of Technology（阿米尔卡比尔理工大学）
本文提出了一种新的算法，这是精英蚂蚁系统（EAS）算法的修改版本。新的版本利用了一个有效的标准，从局部最优点逃脱。与经典的EAC算法相比，该算法只使用全局更新，这将增加最佳（即最短）路由的边缘上的信息素，并将在同一时间减少最差（即最长）路由的边缘上的信息素的量。为了评估新算法的效率，一些标准的旅行商问题（TSP）进行了研究，并将其结果与经典的EAC和其他著名的元启发式算法进行了比较。实验结果表明，该算法在所有情况下都能提高算法的效率，与其他算法相比具有一定的竞争力。
2012-02-07 cs.AI cs.MA
Two-Phase Bilevel Search for the Moving-Target Traveling Salesman Problem with Moving Obstacles
Texas A&M University（德克萨斯A&M大学）；Carnegie Mellon University（卡内基梅隆大学）
针对带移动障碍物的移动目标旅行商问题，提出混合整数锥规划公式和两阶段双层搜索算法，显著优于基线方法。
2026-06-18 cs.AI cs.RO math.CO
Steiner Traveling Salesman Problem with Quantum Annealing
Department of Mechanical, Energy and Management Engineering, University of Calabria（机械、能源与管理工程系，卡塔尔大学）；TECNALIA, Basque Research and Technology Alliance (BRTA)（TECNALIA，巴斯克研究与技术联盟（BRTA））
针对NP难的斯坦纳旅行商问题，提出结合D-Wave硬件量子退火与网络规模缩减预处理的方法，降低问题复杂度，验证了量子退火求解该问题的潜力。
2025-10-29 cs.AI cs.ET quant-ph
