方法选择器

研究引入方法选择器，为每个训练规模—目标规模组合挑选最合适的模型；结果覆盖全部九个已见训练-测试规模对，成本均低于参考模型。

在九个包含未见规模（CVRP35、CVRP75、CVRP200）的组合中，有八个取得改进，最大提升达3.2%。

方法选择器本身依赖对规模区间的预判，面对极端规模或分布外场景时仍有局限。