GNN-LBBD

新的GNN-LBBD方法优化扰动下的列车重新调度

研究人员开发了一种名为GNN-LBBD的新方法，该方法结合了图神经网络和基于逻辑的Benders分解，以优化在扰动下的列车重新调度。该方法旨在通过在不确定性下联合优化列车路线、顺序和时间来最小化最坏情况下的预期总完成延迟。在对一个五轨车站的28个实例进行的测试中，GNN-LBBD的表现优于禁忌搜索和可变邻域搜索，分别将平均总完成延迟降低了16.63%和20.06%。