旅行商三轮：为什么我最后写的是“没有证据”，而不是“没有用”

做法#

在 100 个训练实例上，让蚂蚁先不带信息素地走，用路线的“优势”（比同批平均好多少）当作多巴胺信号，更新蘑菇体。训练完冻结，到没见过的实例上，用冻结的 v 加实例内的信息素去搜索。

踩的第一个坑#

直接沿用觅食里的学习率（0.4），所有蘑菇体变体的价值都饱和在接近 +0.95，边与边没有区分度，零样本路线反而更长；降到 0.05 才开始有区分。学习率和增益要对每种学习器、每个任务在独立调参集上各自调。

结果#

（100 个测试实例，路线比参考解长多少 %）：

真实对打乱、对随机稀疏、对线性，三个设定下全部等价。真实对蚁群：R1 差 −0.21，区间 [−0.59, +0.14]；R2 差 −0.33，区间 [−0.72, +0.05]。

审查之后：被降级的说法#

• 原先的结论“没有任何特征映射超过普通蚁群 0.5 个百分点”说过头了：两个区间的下界到了 −0.59、−0.72，没有排除更大的改进，准确的说法是“不确定”。
• 调参集上的 R2 优势（蚁群 4.84，真实学习器 2.68）到测试集基本消失：从 12 个配置里挑最好的，会高估效果（赢家诅咒）。
• 特征到小球的分配是任意的，而真实小球的扇出差别极大，落在枢纽还是冷门小球带有随机性，检验本来就难以探测连线特异性。

做法#

第一轮“不确定”的原因之一是实例太少：配对差的标准差为 1.4 到 1.8 个百分点，100 个实例勉强只够分辨 0.5。第二轮把测试实例加到每个设定 300 个，蚁群也跑 3 个搜索种子，并改了四处结构：

1. 在线学习。 不再预训练，让蘑菇体在一次搜索内学，当作“能泛化的信息素”：信息素是每条边一个数，蘑菇体则让相似的边共享价值。
2. 异质群体。 4 只“果蝇”，每只用一个不同的回路，每只蚂蚁用自己的回路。个体差异用随机缺失 30% 的 KC 模拟，不是真实的个体差异（没有对齐好的 FlyWire 矩阵）。
3. 通信结构。 所有回路共享学习信号（广播）对比各自私有；4 个子蚁群各自为战，对比定期交换精英路线。
4. 局部搜索。 对每条路线做 2-opt。这是业界惯例，不加就没法和别人对话。

调参：蚁群 27 个配置，在线学习器各 9 个；最优都落在网格边上，于是扩大网格再调一次。蚁群在 R1、R2 上落在 ρ=0.9（R3 是 0.5），即信息素几乎只记得上一轮最优。

结果#

在 300 个新实例上，所有主结论对比都在 ±0.5 个百分点内：

• 在线学习（真实）对蚁群：R1 −0.05，R2 −0.04，R4（带 2-opt）−0.01，全部等价。R3 聚类上是 −0.26，区间 [−0.44, −0.07]。
• 异质对同质：差 0.00 到 +0.07，等价。
• 真实对随机稀疏、打乱、线性：差都不超过 0.15。
• 去掉信息素，路线差 5 到 10 个百分点：信息素是实例内最重要的记忆，在线学到的边价值取代不了它。
• 4 个子蚁群不交换，比单个蚁群差 0.6 到 1.7 个百分点；每 5 轮交换一次最优路线可以补回一部分：在 R1、R2 上仍不比整体蚁群好（R2 差 0.61），聚类的 R3 上略好（−0.33，仍在界限内）。

聚类上的小增益#

在线学习比蚁群好约 0.3 个百分点，而且换了一批新实例之后又出现了一次（v3 的新实例上是 −0.28、−0.35）。但随机稀疏连线一样好，所以这是一个和连线真假无关的小增益，低于 0.5 的预设界限，只能说“稳定但很小”。

R4 的小插曲#

2-opt 设定最初是 n=50、100 次构造，所有臂都低于参考解（−0.17%），没有区分度。改为 n=100、30 次构造，等价边界收窄到 0.25；改动发生在看到调参结果之后、运行测试之前，已记入偏离日志。

审查指出的问题#

• 边的特征与距离几乎重复，学到的价值与距离倒数的对数相关 0.85，标准差只有 0.077：各回路都只是“距离加一点平滑偏置”，彼此等价是设计的必然结果。
• 每个实例约 530 个不同的边签名，只有 25 轮学习，学习预算太小。
• “等价”会藏住小的显著效应：R3 的 −0.26 区间不含 0，岛屿不交换的差距也明显，应写成“低于界限的小效应”。
• 分析脚本在登记之后被改过一次（只改了标题），哈希对不上。

对第二轮的最终说法：没有超过边界的改进；真实连线没有优势，但这个设计本来就测不出连线效应。

做法#

审查的建议：与其再加算法，不如换特征。选用状态依赖的信息：转弯角度。知道上一站在哪，就知道这一步是否急转弯；距离和信息素都只看单条边，给不出这个信息。

转移的签名里加一个转角分箱（直行、小转、直角、折返等 7 档加“无上一站”），占用 8 个新的小球。另配一个手写对照：固定的转角惩罚 exp(−γ·(1−cos 转角))，不学习，用来回答“转角上下文本身有没有用”。

结果#

（300 个全新的测试实例）：学习器对蚁群，R1 −0.01，R2 +0.03，R3 −0.18，全部等价；手写转角惩罚在 R2 上反而更差 0.32。

审查指出的问题（最关键的一条）#

审查看了学习器的内部：在同一个静态签名里，把学到的价值按转角分箱看残差。真实连线只有 ±0.01 到 0.02，没有单调趋势；随机连线 ±0.04，符号不一致；线性学习器 ±0.1 到 0.26，但跨实例符号不一致，是噪声。

学习器没有把转角信息学出来。 转角只是 6 个输入小球里的 1 个，5% 的 KC 编码在不同转角档之间几乎一样，加上只有 25 到 50 步学习、约 4000 个不同签名，信号被淹没。所以“真实 ≈ 随机”在这里是设计的必然，不能当作连线无关的证据。

手写惩罚也只检验了“偏好直行”这一个单参数、单方向的假设，只能写“偏好直行的惩罚在这些预算下没有帮助”，不能写“转角上下文没用”。