计算机科学与技术学院周柚教授指导的2022级硕士生汪明曌的论文“An Efficient Diffusion-based Non-Autoregressive Solver for Traveling Salesman Problem”被CCF A类会议KDD 2025接收。论文第一作者为汪明曌，通讯作者为周柚教授、南洋理工大学江源高级研究员和吉林大学杨卉副教授，其他合作者包括新加坡管理大学曹志广副教授、2021级博士肖钰彬、2022级博士生吴翾、赫瑞瓦特大学庞巍副教授、2023级博士生赵鹏和2023级博士生李沅书。
神经构建模型的最新进展在解决旅行商问题(TSP)方面显示出相当大的前景，而无需依赖太多手工设计。虽然非自回归(NAR)方法受益于并行性的更快推理速度，但与自回归方法相比，它们通常会提供质量较差的解决方案。为了在保持快速推理的同时提高解决方案的质量，我们为TSP设计了一种的具有高效迭代策略的扩散模型(DEITSP)，以NAR方式解决TSP。首先，我们引入了一个一步扩散模型，该模型将受控的离散加噪过程与自一致性增强相结合，通过同时对多个解进行去噪来实现最优解预测。其次，我们设计了一个双模态图神经网络，以支持从节点和边缘模态中提取和融合特征。第三，我们开发了一种高效的迭代策略以增强探索。此外还设计了一个调度框架，通过调整加噪程度来促进对最优解的平滑搜索。对合成实例和现实世界实例的广泛实验表明，DEITSP在解质量、推理延迟和泛化能力方面优于已有的神经构建方法。
SIGKDD是数据挖掘和知识发现领域最具影响力的会议之一，CCF推荐A类会议。
