一种基于知识迁移的大规模旅行商问题求解方法技术

本发明专利技术公开了一种基于知识迁移的大规模旅行商问题求解方法，涉及图神经网络技术领域。具体技术方案为：首先获取TSP历史算例，并构建TSP历史算例的稀疏图作为TSP训练集；将TSP训练集采用图自编码器模型输出最优分布概率图；再利用2‑opt算法计算出TSP问题可行解；最后使用Adam优化器，对图自编码器模型进行训练和优化，获得TSP预测模型。本发明专利技术将旅行商问题转化为图数据上的链路预测任务，以数据驱动优化的视角训练一个图自编码器模型，通过从已知的历史数据中收集并学习图拓扑信息，端对端地训练该模型，使其能够充分利用已有信息辅助未来任务的实时决策，从而提升以旅行商问题为主的路径规划任务的求解效率和效果。

【技术实现步骤摘要】

本专利技术涉及图神经网络，具体涉及一种基于知识迁移的大规模旅行商问题求解方法。

技术介绍

1、组合优化问题是指在给定的一系列有限选择或决策中，找到最佳的组合方式，以满足既定的目标或约束条件。旅行商问题(travelling salesman problem，简称tsp)是组合优化领域中的一个经典任务，它定义为：给定一组城市以及它们之间的距离或成本，旅行商问题要求寻找一条闭合路径，使得旅行商可以恰好访问每个城市一次，并最终回到出发的城市，同时使得路径的总长度或成本最小。旅行商问题在实际中有着广泛的应用，如物流规划、电路板制造、微芯片设计、dna测序等领域。它作为路径规划问题的经典模型，对决策效率和资源利用有着重要影响。

2、近年来，随着深度学习和图表示学习的兴起，基于图神经网络(graph neuralnetwork，简称gnn)的方法逐渐成为解决组合优化问题的研究热点之一。特别是在路径规划问题领域，这些方法展现出了潜在的优势。图神经网络可以有效地捕捉问题中的关系和结构，因此在处理复杂的组合优化问题时表现出色。一些研究着眼于利用图神经网络来解决旅本文档来自技高网...

【技术保护点】

1.一种基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述构建所述TSP历史算例的图结构表达包括：

3.根据权利要求2所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述图自编码器模型包括图编码器和图解码器；

4.根据权利要求3所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述将所述TSP训练集采用所述图编码器提取高维特征表达包括：

5.根据权利要求4所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述利用信息传...

【技术特征摘要】

1.一种基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述构建所述tsp历史算例的图结构表达包括：

3.根据权利要求2所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述图自编码器模型包括图编码器和图解码器；

4.根据权利要求3所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述将所述tsp训练集采用所述图编码器提取高维特征表达包括：

5.根据权利要求4所述的基于知识迁移的大规模旅行商问题求解方法，其特征在于，所述利用信息传递技术学习节点邻域拓扑信息，得到每条边连接的两个节点的特征嵌入向量，通过第一公式进行计算，所述第一公...

【专利技术属性】
技术研发人员：刘诗晴，金耀初，沈修平，
申请(专利权)人：上海悠络客电子科技股份有限公司，
类型：发明
国别省市：