基于深度强化学习的3D-TSP智能路径规划算法研究.pdfVIP

AdvancesinAppliedMathematics应用数学进展,2025,14(5),40-52

PublishedOnlineMay2025inHans./journal/aam

/10.12677/aam.2025.145231

基于深度强化学习的3D-TSP智能路径规划

算法研究

周鑫，周林华*

长春理工大学数学与统计学院，吉林长春

收稿日期：2025年4月8日；录用日期：2025年5月2日；发布日期：2025年5月9日

摘要

随着人工智能技术的快速发展，深度强化学习在复杂优化问题中展现出巨大的潜力。三维旅行商问题作

为经典路径规划问题的扩展，具有更高的复杂性和实际应用价值，但其大规模动态环境下的实时求解仍

面临挑战。传统方法存在计算复杂度高的问题，而启发式算法则受限于求解精度和泛化能力。本文提出

一种基于图Transformer和深度强化学习的智能路径规划算法，通过编码器捕捉三维图结构的节点位置

关系生成嵌入表示，结合解码器的注意力机制和序贯决策特性构建路径规划策略，并采用强化学习

Reinforce算法优化策略。实验结果表明，所提算法在求解时间上显著优于传统方法和启发式算法，尤其

在大规模问题中的优势更为明显。此外，模型通过贪婪解码与采样解码策略的权衡，兼顾了求解效率与

精度。该方法为无人机路径规划、智能制造等领域的大规模动态路径优化问题提供了高效解决方案，具

有重要的理论与应用价值。

关键词

三维旅行商问题，深度强化学习，图Transformer，路径规划，注意力机制

Researchon3D-TSPIntelligent

PathPlanningAlgorithmBased

onDeepReinforcement

Learning

XinZhou,LinhuaZhou*

SchoolofMathematicsandStatistics,ChangchunUniversityofScienceandTechnology,ChangchunJilin

Received:Apr.8th,2025;accepted:May2nd,2025;published:May9th,2025

*通讯作者。

文章引用:周鑫,周林华.基于深度强化学习的3D-TSP智能路径规划算法研究[J].应用数学进展,2025,14(5):40-52.

DOI:10.12677/aam.2025.145231

周鑫，周林华

Abstract

Withtherapiddevelopmentofartificialintelligencetechnology,deepreinforcementlearninghas

showngreatpotentialinsolvingcomplexoptimizationproblems.Thethree-dimensionaltraveling

salesmanproblem,asanextensionoftheclassicpathplanningproblem,hashighercomplexityand

practicalapplicationvalue.However,real-timesolutionsinlarge-scaledynamicenvironmentsstill

facechallenges.Traditionalmethodssufferfromhighcomputationalcomplexity,whileheuristical-

gorithmsarelimitedbysolutionaccuracyandgeneralizationcapabilities.Thispaperproposesan

i