组合优化开题报告分享：基于强化学习的旅行商问题研究

课题的来源、意义

课题来源：微软亚洲研究院联合研究基金和某公司横向项目
优化问题涉及在不同的可能性中找到最佳配置或“值”，它们属于具有连续变量和离散变量配置中的一个。例如，找到凸规划问题的解是一个连续优化问题，而找到图中所有路径中的最短路径是一个离散优化问题。有时两者之间的界限不可能那么容易画出来。传统上离散空间被称为组合优化（CO）问题，通常有不同类型的解与连续空间中的那些相比。可以将CO问题公式化如下：设V是一组元素，f:V->R是一个成本函数。组合优化问题目的是找到函数f的最优值和实现该最优值的任何相应的最优元素域V上的组合。
组合优化的求解方法广泛应 用于交通运输、管理、电力、航天、通信等领域，其快速求解具有重要的理论意义和实用价值。例如，车辆的调度、金融资产的配置、仓库货物存储和运输路线的设计等实际问题都属于组合优化问题，随着这些优化问题实例规模的不断增大和实例中动态及随机因素的增加，传统方法的求解将耗费巨大的时间，问题结构一旦发生变化，传统方法需要重新搜索求解，计算成本也会随之提高，快速求解这些优化问题变得十分困难。
旅行商问题（TSP）是组合优化中的一个经典子问题，它的定义是：给定一个无向完全图，其中每个节点代表一个城市，已知任意两个城市之间的距离，旨在找到最短的哈密顿回路。
在图中，从一个城市开始，访问其他城市正好一次，最终回到起点。TSP是一个经典的NP难组合优化问题它在现实世界中有着广泛的应用[1]。TSP的定义虽然简单，但是随着规模的增加对TSP实例的精确求解急剧增长。20世纪中期问题被提出以来至今，众多学者蜂拥而至，为提高问题求解的质量和速度贡献自己的一份力量。当面许多现实世界中对算