Jan, 2025
结合变换器和图神经网络提升智能物流中机器人的路径优化
Enhancing Robot Route Optimization in Smart Logistics with Transformer
and GNN Integration
TL;DR本研究解决了智能物流中机器人路径优化的难题，提出了一种创新的方法，结合了变换器架构、图神经网络和生成对抗网络。通过实证测试，研究表明该方法在减少旅行距离、提高时间效率和降低能耗方面分别实现了15%、20%和10%的显著改善，展现出算法在智能物流操作中的有效性。