本发明公开了一种基于覆盖旅行商问题求解的急救队路径规划方法，属于人工智能的强化学习和组合优化领域。本发明通过设计覆盖注意力模块对顶点间覆盖关系建模，并动态地将顶点被访问的信息传递至覆盖集中的其他顶点，高效地捕获问题特征和时序特征；为了提高模型对于对称不变性的学习并增强构造解的能力，提出了基于实例增强的改进基线用于REINFORCE算法，无需引入额外的评论家网络，并且具备显存占用少，运算速度快的优势。实验结果表明，本发明在求解质量上相较现有DRL方法均有明显优势，在不同覆盖类型、不同数据分布的实验中也展现了极强的泛化能力，部分实例的求解质量甚至超越了传统启发式算法，并保持着数十倍的求解速度优势。

本发明公开了一种基于覆盖旅行商问题求解的急救队路径规划方法，属于人工智能的强化学习和组合优化领域。本发明通过设计覆盖注意力模块对顶点间覆盖关系建模，并动态地将顶点被访问的信息传递至覆盖集中的其他顶点，高效地捕获问题特征和时序特征；为了提高模型对于对称不变性的学习并增强构造解的能力，提出了基于实例增强的改进基线用于REINFORCE算法，无需引入额外的评论家网络，并且具备显存占用少，运算速度快的优势。实验结果表明，本发明在求解质量上相较现有DRL方法均有明显优势，在不同覆盖类型、不同数据分布的实验中也展现了极强的泛化能力，部分实例的求解质量甚至超越了传统启发式算法，并保持着数十倍的求解速度优势。