GNN-Transformer

NeurPRISE 模型增强鲁棒优化中的场景缩减

研究人员开发了 NeurPRISE，这是一种新颖的神经代理模型，旨在提高具有离散不确定性的两阶段鲁棒优化问题中场景缩减的效率。该模型基于 GNN-Transformer 主干构建，通过提炼一种称为 PRISE 的启发式方法中的边际增益信息来学习选择代表性场景。NeurPRISE 在悔恨方面表现出比 PRISE 显著的加速，并且即使在处理更大的问题规模和分布变化时，也能保持具有竞争力的性能。