移動セールスマン問題のための2段階グラフ間引きにおける機械学習
arXiv cs.LG / 2026/4/23
📰 ニュースModels & Research
要点
- この論文は、移動セールスマン問題（TSP）に対して、最適ツアーに含まれるエッジの高い回収（リコール）を保ちながらエッジ数を削減することを目的に、2段階のグラフ間引き手法を提案している。
- 第1段階ではα-NearestとPOPMUSICの和集合により候補エッジ集合を作ってリコールを最大化し、第2段階で単一のモデルを学習して候補グラフの密度をさらに下げる。
- TSPLIBの複数の距離タイプ、空間分布、問題サイズ（50〜500）にわたる実験により、密度を大幅に削減しつつ高いカバレッジを維持できることが示された。
- この手法は距離タイプや分布にまたがって汎化し、ユークリッド距離に制約されがちな既存のニューラル間引き手法よりも性能で優れている。
- 単一段階のヒューリスティックで劣化しやすい大規模インスタンスほど、2段階アプローチの有用性が増していく。
