Los problemas del vendedor viajero (TSPs) son problemas conocidos de optimización combinatoria, y la mayoría de los algoritmos existentes son desafiantes para resolver TSPs cuando su escala es grande. Para mejorar la eficiencia de la resolución de TSPs a gran escala, este trabajo presenta un nuevo marco de agrupamiento en capas adaptativo con algoritmo genético mejorado (ALC_IGA). La idea principal detrás de ALC_IGA es descomponer un problema a gran escala en una serie de problemas a pequeña escala. Primero, se utilizan el algoritmo -means y el algoritmo genético mejorado para segmentar los TSPs a gran escala capa por capa y generar la solución inicial. Luego, se aplica el algoritmo 2-opt simplificado de dos fases desarrollado para mejorar aún más la calidad de la solución inicial. El análisis revela que la complejidad computacional del ALC_IGA está entre y . Los resultados de experimentos numéricos en varias instancias de TSP indican que, en la mayoría de las situaciones, el ALC_IGA supera a los algoritmos de dos capas y tres capas comparados en velocidad de convergencia, estabilidad y calidad de la solución. Específicamente, con paralelización, el ALC_IGA puede resolver instancias con nodos en 0.15 h, nodos en 1 h y nodos en tres dimensiones en 1.5 h.