研究人员开发了一种面向工业级车辆路径问题的自适应系统,该系统利用大型语言模型(LLM)来指导分解过程。该系统迭代地分析路径实例,并应用各种算子来划分客户和车辆,以适应不同的问题特征。该方法在基准实例上表现出有竞争力的性能,并提高了处理更大规模问题的可扩展性,突显了LLM指导的决策支持在物流规划中的潜力。 AI
影响 这种LLM驱动的方法可以显著提高大规模物流和路径规划运营的效率和可扩展性。
排序理由 该集群包含一篇发表在arXiv上的研究论文,详细介绍了一种用于车辆路径问题的新算法。
- alphaXiv
- arXiv
- Capacitated Vehicle Routing Problems
- CatalyzeX
- Cluster-First Route-Second
- DagsHub
- Gotit.pub
- Hugging Face
- large-language models
- Oguzhan Karaahmetoglu
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →