下载PDF摘要：旅行推销员问题（TSP）是最受欢迎，最常见的Combinatorial问题，从1951年以von Neumann开头的。它已经推动了几种优化技术，如切割飞机，分支机构，本地搜索，拉格朗日放松，模拟退火。过去五年已经看到了有希望的技术的出现，其中（图）神经网络能够学习新的组合algorithms。主要问题是深度学习是否可以从数据中学习更新性学习，即更换人工工程启发式？这种ISAPPEALING由于开发算法以有效地解决NP-HARD问题，因此需要多年的研究，并且许多行业问题是组合关系。在这项工作中，我们建议适应最近成功的变压器建筑，最初为自然语言处理开发到Checenatorial TSP。培训是通过加强学习完成的，因此没有Stysp训练解决方案，并解码使用波束搜索。我们在最近的学习启发式中举报了改进的性能，最佳间隙为0.004％FORTSP50和TSP100的0.39％。