本发明公开了一种基于覆盖旅行商问题求解的路径规划方法，属于人工智能的强化学习、深度学习和组合优化领域。所述方法通过利用深度神经网络自动挖掘实例特征的特点提出了新的模型来求解CSP问题，解决了传统方法需要过多的领域知识进行求解的缺点，并极大地提高了求解速度。针对现有深度神经网络求解质量低的问题，采用了数据增强的方式扩充样本数量，利用多起点技术多次求解减少了预测误差，并提出了针对CSP问题的Mask策略对解的构造进行约束。结合简单局部搜索算法进行改进，进一步地提高了求解质量。与现有的DNN求解方法相比显著缩小了最优间隙，与启发式算法相比取得了超过20倍的速度提升，更适合在实时性要求高的场景中使用。