[論文レビュー] Small Shifts, Large Gains: Unlocking Traditional TSP Heuristic Guided-Sampling via Unsupervised Neural Instance Modification

Wei Min Huang, Hanchen Wang+2 more|arXiv (Cornell University)|Jan 31, 2026

Vehicle Routing Optimization Methods被引用数 0

ひとこと要約

本論文は、従来の決定論的TSPヒューリスティクスに guided-sampling を組み込む unsupervised なニューラルインスタンスモディファイアを備えたインスタンス修正フレームワークである TSP-MDF を導入し、最小限の訓練でニューラルに近い性能を達成する。

ABSTRACT

The Traveling Salesman Problem (TSP) is one of the most representative NP-hard problems in route planning and a long-standing benchmark in combinatorial optimization. Traditional heuristic tour constructors, such as Farthest or Nearest Insertion, are computationally efficient and highly practical, but their deterministic behavior limits exploration and often leads to local optima. In contrast, neural-based heuristic tour constructors alleviate this issue through guided-sampling and typically achieve superior solution quality, but at the cost of extensive training and reliance on ground-truth supervision, hindering their practical use. To bridge this gap, we propose TSP-MDF, a novel instance modification framework that equips traditional deterministic heuristic tour constructors with guided-sampling capability. Specifically, TSP-MDF introduces a neural-based instance modifier that strategically shifts node coordinates to sample multiple modified instances, on which the base traditional heuristic tour constructor constructs tours that are mapped back to the original instance, allowing traditional tour constructors to explore higher-quality tours and escape local optima. At the same time, benefiting from our instance modification formulation, the neural-based instance modifier can be trained efficiently without any ground-truth supervision, ensuring the framework maintains practicality. Extensive experiments on large-scale TSP benchmarks and real-world benchmarks demonstrate that TSP-MDF significantly improves the performance of traditional heuristics tour constructors, achieving solution quality comparable to neural-based heuristic tour constructors, but with an extremely short training time.

研究の動機と目的

• exploration と局所最適解の限界に対処するための動機づけと従来の決定論的 TSP ヒューリスティクスの課題の解決.
• 基本ヒューリスティックをニューラルインスタンスモディフィアによる guided-sampling で拡張するフレームワークの提案.
• 自己監視なしの学習と自己模倣を活用して ground-truth supervision なしで訓練を可能にする.
• 従来のヒューリスティクスとニューラルベースの手法の間の性能を橋渡ししつつ、実用性を維持するアプローチであることを示す。

提案手法

• TSP-MDF を導入し、従来のヒューリスティックを適用する前にニューラルベースのインスタンスモディファイアによって修正された TSP インスタンスをサンプリングする前処理段階を追加する。
• ノード修改の座標オフセットを discretized な多スケールカテゴリ分布としてモデル化し、サンプリングを実現可能にする。
• インスタンスモディファイアを自己回帰的な無监督学習で訓練し、 REINFORCE と任意の自己模倣を用いて修正を短い走行へ導く。
• 最良の修正インスタンスをさらに使用して反復的に新たな修正を生成するgreedy な逐次 refine を組み込み、並列および逐次の guided-sampling を可能にする。
• 最適解探索の安定化と収束加速のために、最良の修正を pseudo-expert として利用する自己模倣学習コンポーネントを任意で提供する。

実験結果

リサーチクエスチョン

• RQ1 従来の決定論的 TSP ヒューリスティックを、ヒューリスティック自体を再設計することなく、入力インスタンスの修正による guided-sampling で強化できるか。
• RQ2 unsupervised なニューラルベースのインスタンスモディファイアが、基本ヒューリスティックで評価したときに走行距離を短縮する修正インスタンスの有効なサンプリングを可能にするか。
• RQ3 座標オフセットの離散化と自己模倣を用いる訓練の効率と探索品質を向上させるか。
• RQ4 インスタンス修正による並列・逐次の guided-sampling アプローチが、短い訓練時間でニューラルベースのツアー構築法と同等の性能を達成できるか。

主な発見

• TSP-MDF は大規模・実世界の TSP ベンチマークにおいて従来の決定論的ヒューリスティクスの性能を大幅に向上させる。
• このフレームワークは、 ground-truth supervision を必要とせず、非常に短い訓練時間でニューラルベースのヒューリスティクスに匹敵する解の品質を達成する。
• 座標オフセットの離散化と自己模倣強化を用いる訓練戦略は、サンプリングを安定させ収束を加速させる。
• 前処理のインスタンス修正段階は、基本的なヒューリスティクスを再設計することなく効果的な guided-sampling を可能にする。