The orienteering problem (OP) is widely applied in real life. However, as the scale of real-world problem scenarios grows quickly, traditional exact, heuristics and learning-based methods have difficulty balancing optimization accuracy and efficiency. This study proposes a problem decomposition-based double-layer optimization framework named DEA-DYPN to solve OPs. Using a diversity evolutionary algorithm (DEA) as the external optimizer and a dynamic pointer network (DYPN) as the inner optimizer, we significantly reduce the difficulty of solving large-scale OPs. Several targeted optimization operators are innovatively designed for stronger search ability, including a greedy population initialization heuristic, an elite strategy, a population restart mechanism, and a fitness-sharing selection strategy. Moreover, a dynamic embedding mechanism is introduced to DYPN to improve its characteristic learning ability. Extensive comparative experiments on OP instances with sizes from 20 to 500 are conducted for algorithmic performance validation. More experiments and analyses including the significance test, stability analysis, complexity analysis, sensitivity analysis, and ablation experiments are also conducted for comprehensive algorithmic evaluation. Experimental results show that our proposed DEA-DYPN ranks first according to the Friedman test, and outperforms the competitor algorithms at most 69%.

The temporal and spatial evolution of plasma plume is accompanied by sheath, secondary electron emission (SEE), and other phenomena that have a crucial impact on the working characteristics and performance improvement of plasma devices. In this paper, a direct simulation Monte Carlo (DSMC) and particle‐in‐cell (PIC) hybrid parallel algorithm is employed for numerical simulation, which is a fully kinetic PIC method. Energy‐based outlet and wall boundary conditions of charge conservation are investigated. This paper discusses the influence of different models on the flow field. First, four SEE energy spectrum models—the Mozorov model, the Furman model, the vertical model, and the three temperature model—are discussed. Then, four kinds of insulation wall materials—boron nitride, silicon carbide, alumina, and graphite—as simulated by the modified Mozorov coefficient model are investigated. Through the simulation of axisymmetric cases, the influence of SEE energy spectrum; secondary electron emission coefficient (SEC); electric field action; and other factors on the spatiotemporal evolution of H 2 , H , X , , H + , and e in the flow field is demonstrated. This paper analyzes the structural characteristics of cloud images with different models through number densities in detail. The SEE energy spectrum has an important influence on the distribution of the field potential and the number density of charged particles, but it is not as important as the SEC.