GNN-LBBD列车调度算法提出并在28个实例上测试
热点事件持续更新
GNN-LBBD列车调度算法提出并在28个实例上测试
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Xiaobin Li等作者提出列车调度算法GNN-LBBD，用逻辑型Benders分解协调路径与资源调度，并以图神经网络引导资源松弛子问题的求解顺序。 在五轨车站的28个测试实例上，该算法平均总完成延误为61.13 train-min，比禁忌搜索低16.63%、比变邻域搜索低20.06%，平均总计算时间接近禁忌搜索。上述结果来自作者在arXiv cs.AI发布的论文。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
图学习辅助的逻辑型 Benders 分解求解中断下分布鲁棒站内列车重调度报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AI图学习辅助的逻辑型 Benders 分解求解中断下分布鲁棒站内列车重调度
GNN-LBBD 用逻辑型 Benders 分解协调路径与资源调度，并以图神经网络引导资源松弛子问题的求解顺序，在五轨车站 28 个测试实例上平均总完成延误为 61.13 train-min，比禁忌搜索低 16.63%、比变邻域搜索低 20.06%，平均总计算时间接近禁忌搜索。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。