最短路径优化思路——TSP与GTSP

   最近在考虑数控裁床中走刀路径优化问题，可以转化为GTSP，TSP问题，进而与TSPlib数据库，GTSP测试集进行比较，难的是珠玉在前，很难在测试集上做得比前人好。导师建议用强化学习应用在该领域，其实，做得出效果，哪种算法都可以，效果不够好只能考虑算法的新颖性了吗？

1. TSP论文,ICA-GA?（2.23）
2. 针对不同的排样有不同的优化路径，软件得到排样，再用SA算法来解决路径优化，需要花更多时间，看更多论文！不要担心做得好不好，找到创新点，努力去实现！不仅仅是最短路径；（2.24）
3. 算法改进是一回事，整体思路又是一回事，设想1：（1）聚类分析，减小问题的规模（有人做过）；（2）中心点、形心点；（3）贪心算法预处理（有人做过）；（4）TSP对入刀点重组顺序（有人做过）；（5）老算法的改进（难，在于效果）；（6）新算法的引入（效果不一定好）；（2.24）
4. 简化并改进遗传：先不要改字母，而是先注释，搭建框架，修改一部分要先注释掉原部分，然后运行，贪心算法的编程；（2.25）
5. 引入贪心预搜索（增加耗时，有一定效果），最近邻搜索时不考虑裁剪原点，而是尝试每个样片起始点，入刀点位置（耗时严重）；（2.26）
6. 3条路：TSP、GTSP、服装裁剪路径优化，区别在于测试集的对比，前两种测试集易得，效果难以做出，后一种难以有说服力，尝试用一种新算法？（2.26）
7. Idea:论文在于创新、思路、方法可行性等。（2.26）