[논문 리뷰] HEATACO: Heatmap-Guided Ant Colony Decoding for Large-Scale Travelling Salesman Problems

Bo-Cheng Lin, Yi Mei외 1명|arXiv (Cornell University)|2026. 01. 26.

Vehicle Routing Optimization Methods인용 수 0

한 줄 요약

HeatACO는 히트맵 간선 신뢰도를 소프트 프라이어로 취급하고 pheromone 피드백을 갖춘 Max–Min Ant System 디코더를 사용하여 대규모에서 가능한 TSP 경로를 생성하며, 최대 10K 노드까지 강한 품질-시간 트레이드오프를 달성합니다.

ABSTRACT

Heatmap-based non-autoregressive solvers for large-scale Travelling Salesman Problems output dense edge-probability scores, yet final performance largely hinges on the decoder that must satisfy degree-2 constraints and form a single Hamiltonian tour. Greedy commitment can cascade into irreparable mistakes at large $N$, whereas MCTS-guided local search is accurate but compute-heavy and highly engineered. We instead treat the heatmap as a soft edge prior and cast decoding as probabilistic tour construction under feasibility constraints, where the key is to correct local mis-rankings via inexpensive global coordination. Based on this view, we introduce HeatACO, a plug-and-play Max-Min Ant System decoder whose transition policy is softly biased by the heatmap while pheromone updates provide lightweight, instance-specific feedback to resolve global conflicts; optional 2-opt/3-opt post-processing further improves tour quality. On TSP500/1K/10K, using heatmaps produced by four pretrained predictors, HeatACO+2opt achieves gaps down to 0.11%/0.23%/1.15% with seconds-to-minutes CPU decoding for fixed heatmaps, offering a better quality--time trade-off than greedy decoding and published MCTS-based decoders. Finally, we find the gains track heatmap reliability: under distribution shift, miscalibration and confidence collapse bound decoding improvements, suggesting heatmap generalisation is a primary lever for further progress.

연구 동기 및 목표

• 히트맵이 간선 신뢰를 제공하는 대규모 히트맵 기반 TSP 해결기에서 디코딩의 동기를 제시한다.
• 히트맵을 활용하면서 차수-2 및 소순환 제약을 준수하는 모듈식, 확장 가능한 디코더를 개발한다.
• 실용 예산 하에서 경쟁력 있는 품질을 제공하는 MCTS 기반 또는 탐욕적 디코더에 대한 경량 대안을 제시한다.
• 히트맵 신뢰도와 분포 이동이 디코딩 성능에 미치는 영향을 분석하고 실용적인 조정 가이드를 제공한다.

제안 방법

• HeatACO를 도입한다. 이는 히트맵을 전이 확률의 곱적 사전으로 취급하는 Max–Min Ant System (MMAS) 디코더이다.
• 히트맵 기반 인자 tilde{H}_{ij}에서 얻은 히트맵 요인을 이용해 MMAS 샘플링에 바이어스를 주고, 가이던스 강도를 제어하기 위해 감마 지수 γ를 사용한다 (p_{i→j} ∝ (τ_{ij})^{α}(η_{ij})^{β}(tilde{H}_{ij})^{γ}).
• 히트맵에서 희소한 후보리스트를 구성하고(연결성 확보를 위한 거리 기반 대체 방식 포함) 디코딩 후 선택적으로 2-opt/3-opt 로컬 개선을 적용한다.
• 히트맵 예측기 f_{θ}를 고정하고, 페로몬 갱신으로 경량의 인스턴스 특이적 전역 피드백을 제공하여 충돌을 해결한다.
• 또한 2-opt/3-opt를 수행하여 경로를 더 단단하게 만들고 개선 솔루션으로 페로몬을 강화한다.

실험 결과

연구 질문

• RQ1 히트맵 기반의 간선 프라이어를 heavy search에 의존하지 않는 확장 가능한, 실현 가능한 디코더에 어떻게 통합할 수 있는가?
• RQ2 히트맵 가이드 MMAS가 크고 작은 규모의 TSP를 얼마나 효율적으로 디코드하며 높은 해답 품질을 유지하는가?
• RQ3 히트맵 강도와 보정이 분포 이동 하에서 디코딩 성능과 강건성에 어떤 영향을 미치는가?
• RQ4 선택적 로컬 탐색(2-opt/3-opt)이 최종 경로 품질과 런타임에 어떤 영향을 미치는가?

주요 결과

• HeatACO는 동일한 히트맵을 사용해 실제 CPU 예산에서 고품질 경로를 생성하며, TSP500/1K/10K에서 0.11%–1.27%의 격차를 초단에서 분으로의 디코딩 시간으로 달성한다.
• 그리디 디코딩과 비교할 때 HeatACO는 유사한 예산 하에서 품질이 크게 향상되며, 2-opt를 사용할 경우 종종 게시된 MCTS-가이드 디코딩보다 더 나은 결과를 유사한 또는 더 작은 예산에서 달성한다.
• 히트맵 가이드는 대규모 인스턴스(TSP10K)에서 확률이 높은 간선 쪽으로 샘플링을 바이어스함으로써 시간 대비 품질을 높이며, 페로몬이 전역 충돌을 보정한다.
• 히트맵 가이드가 의미 있는 간선 순위를 보존할 때 방법은 강건하지만, 보정 실패 및 분포 이동(OOD)은 이득을 제한할 수 있으며, 히트맵의 일반화가 핵심 변수로 부상한다.
• Coarse gamma 매개변수 γ는 히트맵 추종과 탐색 간의 균형을 제어하며, 라벨이 사용 가능하지 않을 때 엔트로피 기반 또는 휴리스틱 규칙이 선택을 안내한다.
• 아블레이션 결과 히트맵 프라이어가 기본 MMAS보다 성능을 향상시키고, 2-opt/3-opt가 결과를 크게 단축시키며, 3-opt는 더 높은 계산 비용에서 추가 이득을 제공한다.