Post by Michel Aljed

خطوةٌ كاملةٌ في أقوى خوارزمية TSP... اتّضح أنّها زائدة. أجريتُ دراسةً تجريبيّةً مضبوطةً على خوارزميات مسألة البائع المتجوّل (TSP) وتوليد مرشّحي LKH، بالتزامٍ منهجيٍّ واحد: لا نتيجة بلا اختبار دلالة. المنهج: ◾ اختبار t مزدوج، مُدعَّمٌ بـ Wilcoxon (غير معلميّ) وحجم الأثر (Cohen's d). ◾ تحقّقٌ من الاستدعاء ضدّ الحلّ الأمثل (brute-force) لإزالة أيّ تحيّز. ◾ توزيعان مكانيّان (منتظم ومتعنقد)، وتحليل أثر المعامل k. أبرز النتائج (كلها مؤطّرةٌ كتحقّقٍ تجريبيٍّ مستقلّ لخصائص LKH موثّقة): ◾ قائمة مرشّحين طوبولوجيّة (Delaunay ∪ k-NN) تكافئ مقياس α-nearness على التوزيع المنتظم، بتسريع ‎١٧–٢٢×‎. ◾ وتتفوّق عليه على التوزيعات المتعنقدة — بما يتّسق مع نتيجة Helsgaun (2000). ◾ في البناء: قاعدة «الأقلّ خيارات أولًا» تتفوّق على «الأكثر خيارات». المساهمة ليست ادّعاء خوارزميّةٍ جديدة، بل إطارٌ منهجيٌّ قابلٌ لإعادة الاستخدام لتقييم خوارزميات TSP بصرامةٍ إحصائيّة — مع تحقّقٍ مستقلٍّ نظيفٍ من نتائج معروفة. التفاصيل الكاملة، مع قسم الحدود (limitations) والمراجع، في المستند المرفق. أرحّب بالنقاش والملاحظات. #TSP #Algorithms #Optimization #Research #ComputerScience #MachineLearning