本發(fā)明公開了一種基于覆蓋旅行商問題求解的路徑規(guī)劃方法，屬于人工智能的強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)和組合優(yōu)化領(lǐng)域。所述方法通過利用深度神經(jīng)網(wǎng)絡(luò)自動(dòng)挖掘?qū)嵗卣鞯奶攸c(diǎn)提出了新的模型來求解CSP問題，解決了傳統(tǒng)方法需要過多的領(lǐng)域知識(shí)進(jìn)行求解的缺點(diǎn)，并極大地提高了求解速度。針對(duì)現(xiàn)有深度神經(jīng)網(wǎng)絡(luò)求解質(zhì)量低的問題，采用了數(shù)據(jù)增強(qiáng)的方式擴(kuò)充樣本數(shù)量，利用多起點(diǎn)技術(shù)多次求解減少了預(yù)測(cè)誤差，并提出了針對(duì)CSP問題的Mask策略對(duì)解的構(gòu)造進(jìn)行約束。結(jié)合簡(jiǎn)單局部搜索算法進(jìn)行改進(jìn)，進(jìn)一步地提高了求解質(zhì)量。與現(xiàn)有的DNN求解方法相比顯著縮小了最優(yōu)間隙，與啟發(fā)式算法相比取得了超過20倍的速度提升，更適合在實(shí)時(shí)性要求高的場(chǎng)景中使用。