Доброе время суток. У меня есть следующая задача:

есть участок пути, на нем расположено некое количество опор. Есть бригада ЭЧ, которая проверяет эти опоры. Для каждой опоры известны ее координаты в относительной системе, то есть можно просто посчитать расстояния между двумя любыми, и степень ее разрушения, которая определяется категорией дефектности опоры - от 1 до 4. Бригада ездит по уже готовому алгоритму коммивояжера. Проблема в том, что веса для функции определялись "на глаз", так как срок реализации был - 1 день. Сейчас хотелось бы доработать это все нормально.

Задача наверняка не нова и решалась много раз в схожих формулировках. Просьба пнуть меня в сторону нужной литературы и примеров). Так же возможно, эта задача имеет устоявшееся название, как задача о рюкзаке или том же коммивояжере в комбинаторике, по которому это все проще будет найти.

Буду благодарен за все подсказки 

Severyanin, то есть вам просто нужно оптимизировать веса функций в известном алгоритме?

Так может просто тупо подставлять разные сочетания весов и сравнивать результаты?

ИМХО здесь есть много подходов. Можно попробовать давать весам небольшие приращения и, таким образом, сползти к локальному минимуму функции. 

Искать глобальный минимум сложнее, но раз уже есть оцененные на глаз веса, скорее всего они близки к глобальному минимуму. Соответственно, к нему все и приползет.

А можно использовать генный алгоритм, например для поиска глобального минимума (максимума), что более эффективно, чем маленькие приращения

Bitter, 
_Y_, не могли бы вы поточнее описать оценку качества оптимизации в обоих случаях. 

1. Оценка алгоритма комивояжера, как понимаю, делается просто по длине пути: чем короче - тем лучше (с учетом весов естественно). Оценить же локальный или глобальный максимум найден, видимо, не так просто. Здесь, ИМХО, фундаментальное ограничение - поиск черной кошки в темной комнате, без уверенности, что кошка там.

2. Кстати, поскольку у Вас задача практическая и опоры имеют разные категории, может просто свести оценку к деньгам? Задать цену условного километра в виде расхода (условного в смысле 1 км по булыжнику равен 4 условным асфальтовым - тоже считается деньгами). А цену каждого проверенного столба - в виде дохода, в зависимости от его категории. И оптимизировать полученный результат?

3. Метод сползания к минимуму функции - не единственный. Просто он мне показался наиболее подходящим поскольку у Вас уже есть оценочные величины и, видимо, неполохие. Если же их нет - я бы начал с метода Монте Карло, получил бы несколько вариантов решения, сильно отличающихся друг от друга, а потом от каждого полз бы к локальному минимуму. Так нашел бы, видимо, несколько локальных минимумов. Чем больше бы проверил вариантов, полученных Монте Карло, тем больше была бы вероятность того, что минимум глобальный.

4. По поводу генетических алгоритмов я тоже подумал. Но с ними есть заморочка. Они хорошо работают только если имеешь большой опыт их применения именно к данному типу задач. Слишком много вариаций у этих алгоритмов и слишком много у них параметров не имеющих отношения к самой задаче (число хромосом, вероятность мутации, вероятность обмена частями хромосом, число точек разрыва при обмена частями, возможность/невозможность изменения длины хромосом, всего и не вспомнишь....).

Если все-таки будет желание в них разбираться, мне очень понравилась книжка Melanie Mitchel, An Introduction to Genetic Algorithms,  1996, MIT. Книжка отнюдь не свежая, но в ней очень хорошо и кратко расписаны принципы.

Опять же, если будет желание, могу поискать в бакапах что-то я писал с генетическими алгоритмами на Java. Но врядли пригодится т.к. было давно и я уже не смогу помочь с советами - сам уже все забыл что писал.