GREAT边注意力网络用强化学习求解电动汽车路径问题

Attila Lischka等作者在arXiv发布论文，提出图边注意力网络GREAT，用强化学习联合优化电动汽车路径与充电决策。该架构完全在边空间而非节点坐标上运行，因此天然适配道路拓扑造成的非对称能耗成本。 基于论文摘要，模型使用旧金山真实路网能耗数据训练，在旧金山、维也纳和哥德堡数据集上测试泛化。在15—40 kWh电池容量及不同客户需求分布设置中，GREAT在多数测试场景优于基于HGS的EVRP启发式，能耗最多降低8.78%、运行时间缩短60倍；相较同样联合优化路径与充电的自适应大邻域搜索，GREAT取得有竞争力的结果且运行更快。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。