一种基于知识迁移的大规模旅行商问题求解方法

本发明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。