论文提出 TTP-D（带无人机的旅行窃贼问题）：捡哪些货、卡车怎么走、无人机何时起飞与会合，三件事一起优化，目标是收益减去按时长算的租金。
方法分三层：小规模用精确求解器，中大规模靠模拟退火这类启发式，核心是 LISA——注意力网络的强化学习策略先秒出初始解，再用一小段退火精修。难点在耦合：多捡一件货就会改变后续到达时间，让远处排好的会合直接失效。
结果挺现实：纯学出来的策略单次构造打不过搜索，两个基准上平均差 8.42% 和 28.34%；但拿它做热启动，一半预算就能把前者的差距压到 1.59%。敏感性分析还指出，决定盈亏的是租金比率。
启发很直接：神经网络当生成器、传统搜索当精修器，常比一步到位更划算。可以尝试搬到回收车调度、样本收取这类反复重算的场景。
把学习和搜索缝在一起，或许才是组合优化落地的姿势。做路径规划的同学可以研读一下原文。
📚 论文地址：https://arxiv.org/pdf/2608.16435
🧑💻 代码地址：https://github.com/corbit-lab/ttpd
#人工智能 #论文 #科研 #深度学 #强化学习
