ORCTS_SOM算法：自组织映射网络下旅行商问题的高效求解策略

本文主要探讨了基于自组织映射网络（Self-Organizing Map Network, SOM）的旅行商问题（Traveling Salesman Problem, TSP）的算法优化与研究。作者李志，来自大连理工大学电子信息与电气工程学院，针对TSP问题的求解，提出了结合泛化竞争（Generalized Competition）和局部渗透（Local Permeation）策略的改进方法，这在原有的标准SOM算法基础上引入了禁忌搜索（Tabu Search）技术，形成了两种新的算法：ORC_SOM（Overall-Regional Competitive Self-Organizing Map）和ORCTS_SOM（Overall-Regional Competitive & Tabu Search for Self-Organizing Map）。 ORC_SOM算法利用整体与区域的竞争策略，增强了解空间的探索能力和收敛速度，而ORCTS_SOM则在此基础上进一步加入了禁忌搜索策略，以避免陷入局部最优，提高算法的全局搜索性能。TSP问题是NP完全问题，意味着当前不存在多项式时间复杂度的解决方案，因此，这类智能优化算法的研究尤为重要。 作者运用Python编程语言实现了这些算法，并选择了TSPLIB中的5组不同规模（从70个城市到200个城市）的TSP实例进行实验。实验结果显示，在中小规模的TSP问题中，ORCTS_SOM算法不仅能够达到更接近理想的最优解，而且展现出更好的稳定性。这意味着该算法在处理这类实际问题时，不仅解决了问题的复杂性，还提高了求解效率和结果的质量。 本文的关键点在于对自组织映射网络在TSP问题上的创新应用，以及通过实证研究证明了改进后的ORCTS_SOM算法在解决实际问题上的优势。这对于寻求提升生产效率和优化路径规划的领域具有实际意义，也为未来研究者提供了新的思路和参考。