[发明专利]一种陈群序优化结构求旅行商数据处理方法、介质、设备

权利要求书

1.一种陈群序优化结构求旅行商数据处理方法，其特征在于，所述陈群序优化结构求旅行商数据处理方法包括：从N个top1/N到1个top1/N^2的发掘过程中，进行序优化选择概率的突变，提升N倍，再到N个top1/N^2，形成一个序优化概率梯度，直到top1/N^N，得到旅行商问题最优解。

2.如权利要求1所述的陈群序优化结构求旅行商数据处理方法，其特征在于，所述陈群序优化结构求旅行商数据处理方法包括以下步骤：

步骤一，获得N个顶圈第k轮初始种子采样点；

步骤二，当k大于0，基于历史数据打分梯度得到N个R_k+1候选点；

步骤三，确定两种混合元启发式；进行边长阶数S、边长值数M、同阶边数C、边长值点集数D四个特征指标的初始化；

步骤四，确定3N个R_k新排序的采样点，随机或启发式选择的后验概率；

步骤五，判断是否达到最大迭代次数，没有，则返回步骤二；达到，则获得一个打分最高的R_k+1种子采样点；

步骤六，判断是否获得N个R_k+1种子采样点，若否，则返回步骤一；若是，则对全部历史采样点进行增量刷新打分结果、重新排序及其他后处理；即可得到最低解。

3.如权利要求2所述的陈群序优化结构求旅行商数据处理方法，其特征在于，所述3N个R_k新排序的采样点包括：2个MMH、N个R_k+1候选点以及N个R_k顶圈采样点。

4.如权利要求2所述的陈群序优化结构求旅行商数据处理方法，其特征在于，步骤三中，所述两种混合元启发式包括：

1)遗传算法+虫洞/飞鸟算法+蚁群算法+禁忌搜索算法；

2)模拟退火结晶算法+虫洞/飞鸟算法+蚁群算法+禁忌搜索算法。

5.如权利要求1所述陈群序优化结构求旅行商数据处理方法，其特征在于，所述陈群序优化结构求旅行商数据处理方法还包括：

1)根据序优化盲选法概率公式：

其中g和s分别是top解集G和采样集S的规模，T是所有解集的总规模，对于N城市TSP来说T是O(N^N)量级，设G为top T/N解集合，则g是O(N^(N-1))量级，s＝N；

2)这个序优化启发式不能找到最优解，只能找到足够好解；

3)设G为top T/N^2解集合，当平行搜集N个这样的top T/N解后，组成一个规模为N的新G的新初始采样集S0；

4)在S的基础上继续用后验启发式采样N个G的候选解S1，这时面临两个问题：

4-1)S1可能不全是top T/N解；

4-2)S1可能没有1个top T/N^2解；

5)这两个问题可能独立，也可能不独立，从概率分析的角度讲，考虑最坏情况即这两个问题独立；

6)为了解决这两个问题，分别从几何和数字两个视角看待已获得的top梯度解集；

7)从几何的角度讲，先得从top历史梯度几何结构启发式地获得N个top T/N解，才能从中运用数字启发式获得1个top T/N^2解；

8)对于已获得的采样数据来讲，top历史梯度几何结构和top历史梯度扁平化数据是一个对象的两个方面，或称两个视角，同时由著名的朗兰兹纲领启发，这两个视角也是对偶关系；

9)后者在理想情况下即N个全部都是top T/N解的采样集合中寻找1个top T/N^2解启发式是部分靠谱的，简称靠谱的；

10)前者在寻找理想情况的过程中即采样包含N个top T/N解的采样集合的过程中同样的启发式大概率也是部分靠谱的，简称靠谱的，即在多项式时间内即可找到这样的包含N个top T/N解的采样集合；

11)这两个过程也是上下游的关系；

12)这个大概率的猜测依赖于两个证据下的75％置信度假设：

12-1)朗兰兹纲领猜想下9)和10)要么都靠谱，要么都不靠谱；

12-2)9)是靠谱的，依据是序优化盲选法概率公式；

12-3)11)是9)和10)可比的一个前提条件，当然没有也可以；

13)top历史梯度几何结构启发式目前有：

协变序优化圈插值算法；

高维空间地形图顶层序优化圈近邻子空间随机遍历算法；

高维空间地形图顶层序优化圈近邻子空间虫洞时间随机遍历算法。