第182章 碎片的“旅行商问题”与木星的临界积分（1/2）

太阳系边缘，柯伊伯带，战后 24 小时。

原本空旷的深空，此刻变成了一片绵延数万公里的金属垃圾场。10 万艘外星战舰的残骸，加上无数被炸碎的小行星，在引力的作用下形成了一个巨大的、混沌的吸积盘。

对于“共工”号工业母舰来说，这是一场盛宴，也是一场噩梦。

“老板，这也太多了。”

陈二狗看着雷达屏幕上密密麻麻的绿色光点（高价值回收目标），抓耳挠腮。

“这里有几百万个碎片需要回收。我们的运输船只有 50 艘，工程机甲 2000 台。如果像无头苍蝇一样到处乱飞，光是燃料费就能把我们赔死。而且很多碎片正在飞向深空，如果抓得慢了，它们就丢了。”

“这是一个典型的数学难题。”

雄安指挥中心，顾寒云推了推眼镜，调出了一个复杂的路径规划模型。

“在组合优化中，这被称为**‘旅行商问题’（traveling salesman problem, tsp）**。”

“假设有一个旅行商要拜访 n 个城市（碎片），必须恰好访问每个城市一次，并最终回到起点。如何规划路径，使得总路程（总 \\delta v 消耗）最短？”

“在这个战场上，n 的数值是一百万。”

顾寒云看着屏幕上那令人绝望的数据量。

“这是一个 np-hard（非确定性多项式困难）问题。随着 n 的增加，计算量呈阶乘级增长。哪怕是用‘广寒’量子计算机，想要算出绝对的最优解，也需要几亿年。”

“我们没时间算最优解。”李星河打断了学术讨论，“我要的是次优解，或者说——启发式解。”

他看向零。

“零，启动**‘蚁群算法’（ant colony optimization）**。”

“把每一台‘行者’机器人看作一只蚂蚁。让它们在寻找碎片的路径上留下‘数字信息素’。”

“距离近、价值高、相对速度小的碎片，信息素浓度高；反之则低。”

“让机器人群根据信息素浓度自动涌现出一条最高效的‘收割路径’。”

“收到。”零的义眼闪烁，“正在加载分布式算力……路径规划已生成。”

……

战场实况。

原本乱糟糟的工程舰队，突然变得井然有序。

它们不再追逐那些飞得最快的碎片，而是像是一个精密的齿轮组，沿着一条条看不见的曲线，高效地吞噬着沿途的残骸。

每回收一块碎片，它们就利用碎片上的物质现场打印燃料或者是修补自身，然后扑向下一个目标。

这就是数学在工程上的暴力美学——用算法对抗熵增。

“回收效率提升 300%。”陈二狗看着飞速上涨的库存，“照这个速度，一个月就能把这片坟场搬空。”

“重点关注那个‘大家伙’。”

李星河的手指指向了战场中心。

那里漂浮着“收割者·王座”号（外星旗舰）的残骸，以及那个被炸碎的“母巢”核心碎片。

“那是高密度的简并态物质。质量极大。”

“杨烈，把‘祝融’号开过去。”

“我们要干什么？把它拖回火星？”杨烈问。