赛场里响起一阵低低的惊呼，连一直镇定的外国选手都忍不住回头张望。最后一道压轴题，正是三维旅行商问题。题目要求在一百个三维坐标点中找到最短路径，且必须满足路径经过指定的五个 “关键点”。

常规的动态规划解法在此题面前完全失效，时间复杂度会飙升至 O (n2?2?)，根本无法在规定时间内运行。萧墨盯着屏幕上的三维坐标图，指尖轻轻敲击桌面。

赏善罚恶令带来的空间感知能力在此刻悄然生效，那些散落的坐标点在他脑海中仿佛化作了立体的星图，关键点之间的潜在路径如同发光的丝线般浮现。

“可以用近似算法结合模拟退火。” 他很快理清思路。先通过最小生成树获取路径下界，再用 2-opt 局部搜索优化初始路径，最后引入模拟退火算法跳出局部最优解。

为了满足关键点约束，他特意在算法中加入了 “强制跳转” 机制，确保路径必须经过指定节点的同时，尽可能减少绕路损耗。

代码一行行成型，逻辑严谨得如同精密的钟表齿轮。当最后一个分号敲下时，比赛时间还剩十分钟。

萧墨检查了一遍边界条件，点击提交 —— 屏幕上先是跳出 “Running” 的提示，几秒钟后，绿色的 “Accepted” 骤然亮起，旁边还附带了系统自动评估的优化评分：99.7 分，接近理论最优解！全场哗然。

评委席上的教授们纷纷起身，围到后台屏幕前查看萧墨的解题代码。周教授激动得满脸通红，紧紧握住身旁教授的手：“看到了吗？他在模拟退火里加入了自适应温度系数！这是连论文里都没提出过的创新！”

比赛结束的铃声响起时，萧墨的成绩遥遥领先 —— 四十题全对，其中六道题的解法被系统标记为 “最优创新解法”。当主持人念出 “冠军：江都大学，萧墨” 时，聚光灯瞬间打在他身上，全场掌声雷动。