PulseAugur
中
实时 03:01:36
English(EN) LINC: Decoupling Local Consequence Scoring from Hidden Matching in Constructive Neural Routing

LINC架构提高了CVRPTW、TSP和CVRP的路由求解器性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种用于构造性神经网络路由求解器的新型架构LINC（Local Inference via Normed Comparison，通过范数比较进行局部推理）。LINC明确计算诸如行程和容量变化等一步后果，将其与隐藏匹配过程解耦。该方法旨在提高复杂路由问题的性能，在时间窗车辆路径问题（CVRPTW）、车辆路径问题（CVRP）和旅行商问题（TSP）的解隙方面显著减小即证明了这一点。 AI

影响 引入了一种改进神经网络路由求解器的新方法，有望提高复杂优化任务的性能。

排序理由 这是一篇详细介绍新型神经网络路由架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LINC架构提高了CVRPTW、TSP和CVRP的路由求解器性能

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shaofeng Qin, Li Wang ·

    LINC：在构建式神经网络路由中将局部后果评分与隐藏匹配解耦

    arXiv:2605.06332v1 Announce Type: new Abstract: Constructive neural routing solvers usually score the next action by matching a decoder context to candidate embeddings, hiding deterministic one-step consequences such as travel, waiting, slack, and capacity changes. We propose LIN…

相关实体

相关话题