GREAT-ESDD 论文：图注意力神经求解器结合动态定价提升配送利润

Attila Lischka (Jeff) 等在 arXiv（cs.AI）发布 GREAT-ESDD 论文，将基于图边注意力网络的 CVRP 神经求解器与动态定价、客户配送方式偏好在线估计结合，引导客户在家庭配送和到店取件之间选择。求解器可并行处理多个候选路径问题，并在客户确定配送方式后更新路线；结合 Laplace 近似后验的 Thompson sampling 进行决策。 作者报告，在相近定价决策时间预算下，相比传统路径求解器利润约提高 11%；模拟运营 5 天后即超过静态定价策略。以上结果基于论文摘要，属作者声称的模拟结果。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。