基于深度强化学习的旅行商问题多样性优化

本研究解决了现有旅行商问题（TSP）方法主要集中于单一最优解的不足，提出了一种新的深度强化学习神经求解器，旨在发掘多样且高质量的解。通过设计相对化滤波器来增强编码器的鲁棒性以及多注意力自适应主动搜索平衡解的最优性和多样性，实验结果显示该方法在解决效率和解的质量上超越了最近的神经基线，并能有效应用于容量车辆路径问题（CVRP）。