Die Autoren entwickeln einen Machine-Learning-Ansatz, der vorhersagt, welche Kanten für hochwertige Lösungen von Routingproblemen relevant sind. Dadurch kann der Suchraum klassischer Optimierungsverfahren gezielt reduziert und sowohl mathematische Solver als auch Metaheuristiken beschleunigt werden. Die Ergebnisse für das Traveling Salesman Problem und das Capacitated Vehicle Routing Problem zeigen, dass bis zu rund 90 % der Kandidatenkanten entfernt werden können, während gleichzeitig hochwertige Lösungen erhalten bleiben.
