计算机科学与探索

作者：邱云飞, 刘一菲, 于智龙, 金海波

单位：1. 辽宁工程技术大学 软件学院，辽宁 葫芦岛 1251052. 辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105

关键词：旅行商问题（TSP）,GCN-Pointransformer,多头局部自注意力机制（MHLSA）,可逆残差,指针层

基金：国家自然科学基金（62173171）。

由于Transformer模型基于全连接注意力机制，导致在求解经典旅行商问题（TSP）时，计算复杂度较高并且GPU内存使用量过大。针对此问题，提出了一种基于图卷积嵌入层和多头局部自注意力机制的GCN-Pointransformer模型。使用图卷积嵌入方式从输入数据中进行空间特征学习，图卷积嵌入层包含多个可以提取输入数据局部特征的卷积核；使用多头局部自注意力机制（MHLSA），删除冗余信息并提取有用的特征；在编码器中使用可逆残差网络，在反向传播过程中只存储输入和输出嵌入特征对；模型在解码器中增加了Pointer指针层，使用注意力权重作为概率分布，确定要访问的下一个节点。在TSP随机数据集上进行对比实验，优化间隙减少12%，GPU内存减少约11%，推理时间减少约25%，结果表明，该方法优于求解TSP的标准Transformer模型。

来源：2025年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第3期