arXiv研究提出GNN-LBBD算法求解扰动下列车重调度
热点事件持续更新
arXiv研究提出GNN-LBBD算法求解扰动下列车重调度
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Xiaobin Li 等人在 arXiv（编号 2611.07520）发布论文，提出滚动时域分布鲁棒模型 GNN-LBBD，用于资源停运期间的车站列车重调度，联合优化列车路由、顺序与时刻，并用图神经网络引导逻辑 Benders 分解中资源松弛子问题的求解顺序。 在五条站线的 28 个测试实例上，GNN-LBBD 的平均总完成延误为 61.13 列车分钟，比禁忌搜索低 16.63%、比变邻域搜索低 20.06%；研究者称，利用扰动静解观测信息可使平均总完成延误降低约 21.7%。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
基于图学习辅助逻辑 Benders 分解的分布鲁棒车站列车扰后重调度方法报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AI基于图学习辅助逻辑 Benders 分解的分布鲁棒车站列车扰后重调度方法
一项 arXiv 研究提出滚动时域分布鲁棒模型 GNN-LBBD，用于资源停运期间的车站列车重调度，联合优化列车路由、顺序与时刻，并利用图神经网络引导资源松弛子问题求解顺序。在五个站线的 28 个测试实例上，GNN-LBBD 平均总完成延误为 61.13 列车分钟，比禁忌搜索低 16.63%、比变邻域搜索低 20.06%；利用扰动静解观测信息可使平均总完成延误降低约 21.7%。
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。