تعتبر مشكلة البائع المتجول (Traveling Salesman Problem - TSP) واحدة من المشاكل البارزة في علم الحاسوب، حيث يسعى البائع للمرور على مجموعة من المدن ثم العودة إلى نقطة البداية بأقل تكلفة ممكنة. في هذا السياق، تم تطوير نموذج جديد يُعرف باسم IDEQ، الذي يهدف إلى تحسين جودة الحلول المقدمة لمشكلة TSP من خلال استخدام نماذج الانتشار.

يستند نموذج IDEQ إلى approaches سابقة مثل DIFUSCO وT2TCO، حيث يحقق تحسيناً ملحوظاً من خلال استغلال الهيكلية المحكومة لمساحة الحالة الخاصة بمشكلة TSP. تنطوي الطريقة على استبدال المراحل الأخيرة في تعلم المناهج الخاصة بـDIFUSCO بتوزيع موحد على الجولات الهاميلتونية، مما يؤدي إلى تحسين فرص الوصول إلى الحل الأمثل خلال التدريب.

أظهرت التجارب أن نموذج IDEQ يتفوق على الأساليب السابقة المستندة إلى الشبكات العصبية، حيث حقق أداءً ملحوظاً على عينات مركبة من مكتبة TSPlib المرجعية. فقد حقق نموذج IDEQ تقريباً نفس نتائج أفضل تقنيات الحلول المعروفة (LKH3)، بل ونجح في تحقيق نتائج أفضل من تلك التقنية في حالتين، تحديداً على معلومات مستندة إلى 1577 و3795 مدينة. كما حقق نموذج IDEQ فجوة في الأمثلية تصل إلى 0.3% على عينات مكونة من 500 مدينة، و0.5% على عينات مكونة من 1000 مدينة، مما يضعه في مقدمة الأساليب القائمة على الشبكات العصبية لحل مشكلة TSP.

علاوة على ذلك، يتميز نموذج IDEQ بانخفاض تباين النتائج وفاعلية أعلى عند زيادة عدد المدن، مقارنةً بالنماذج السابقة مثل DIFUSCO وT2TCO. مع هذه النتائج المبهرة، يبدو أن IDEQ يفتح آفاقاً جديدة في عالم الذكاء الاصطناعي وتطبيقاته في حل المشاكل المعقدة.