Como un problema clásico de optimización combinatoria, el problema del vendedor viajero (TSP) ha sido ampliamente investigado en los campos de la Inteligencia Artificial y la Investigación de Operaciones. Debido a ser NP-completo, todavía es bastante desafiante resolverlo de manera efectiva y eficiente. Debido a su alta importancia teórica y amplias aplicaciones prácticas, se ha realizado un gran esfuerzo para resolverlo desde el punto de vista de la búsqueda inteligente. En este documento, proponemos un algoritmo de optimización de búsqueda basado en sondas de dos etapas para resolver tanto TSP simétricos como asimétricos a través de las etapas de desarrollo de ruta y un mecanismo de autoescape. Específicamente, en la primera etapa, se establece un filtro de umbral de proporción razonable de posibles sondas de base o rutas parciales en cada paso durante el proceso completo de desarrollo de la ruta. De esta manera, las sondas de base pobres con rutas más largas se filtran automáticamente. Además, se emplean cuatro operadores de mejora local adicionales para mejorar estas posibles sondas de base en cada paso. En la segunda etapa, se implementa un mecanismo u operación de autoescape en las rutas completas obtenidas para evitar que la búsqueda basada en sondas quede atrapada en una solución óptima local. Los resultados experimentales en una colección de conjuntos de datos de referencia de TSP demuestran que nuestro algoritmo propuesto es más efectivo que otros algoritmos de optimización de última generación. De hecho, logra las mejores soluciones de referencia de TSP conocidas en muchos conjuntos de datos, e incluso en ciertos casos, genera soluciones que son mejores que las mejores soluciones de referencia de TSP conocidas.