本研究提出了一种新的迭代搜索框架，结合神经策略与贪婪插入算法，克服了传统车辆路线问题的局限性。该方法在三种规模的车辆路线问题上表现优于先进的运筹学方法，显示出更高的解决性能。

本研究探讨了行为克隆在复杂场景中对大量示范需求的低效率问题。通过表征机器人操控特性，提出的转换方法提高了神经策略在处理超出分布问题实例时的泛化能力。