route optimization | BriefGPT

关键词route optimization

搜索结果 - 7

Edge-DIRECT：基于深度强化学习的解决带有时间窗限制的异构电动车辆路径问题的方法
本文研究了带有时间窗约束的异构电动车路径问题，并提出了一种基于深度强化学习的方法（Edge-DIRECT），通过增强的图表示和双注意力解码器来有效解决该问题。实验结果表明，Edge-DIRECT 在解决质量和执行时间方面优于现有的方法，并展
PDF8 days ago
LLM 信息支持下的语义轨迹数据挖掘与 POI 分类
本文提出了一个新的人类出行轨迹挖掘流程，利用大型语言模型对兴趣点进行活动类型标注，并使用基于贝叶斯算法推断轨迹中每个停留点的活动，评估结果表明，该方法在 POI 分类方面达到了 93.4% 的准确率和 96.1% 的 F-1 分数，并在活动
PDF2 months ago
利用 BIG Hype 算法设计最佳个性化交通路由激励方案
本研究通过优化路线的方式，以私人汽车通勤者为中心，考虑了能源成本和停车成本等因素，通过设置个性化的优惠券来引导交通流量。研究祖先了设计这些货币激励的最优方案的问题，并提出了一种分布式解决方案，证明其在 Anaheim 的道路网络上能够缓解交
PDFa year ago
AAAIH-TSP：层次化解决大规模旅行推销员问题
本研究提出了一种基于层次强化学习的端到端学习框架，称为 H-TSP，用于解决大规模 TSP 问题，通过选择子集并使用深度学习模型直接生成解决方案，具有可扩展和高效性。
PDFa year ago
高效城市交通优化的 ASP 框架
本文提出了一个利用 Answer Set Programming 进行优化的框架，可在具有数百辆车的大型道路网络中有效模拟和优化交通流，以减少旅行时间或排放等重要指标。
PDF2 years ago
从司机中学习，应对亚马逊的最后一英里路线研究挑战
本研究旨在将 Amazon 司机的实践经验融入到最佳路线规划中，我们提出了一种机器学习和传统 TSP 求解器结合的分层方法来处理这个挑战。该方法在历史路线的区域级别学习了一个顺序概率模型，并使用 Rollout 算法生成从学习的概率模型中采
PDF2 years ago
基于图学习框架的人类移动性探索与多模式乘客预测
提出了一种基于图卷积网络和深度聚类方法的多模式乘客流预测框架（MPGCN），该框架从定点巴士记录数据中提取人类移动知识，以预测巴士乘客流量和优化路线，实验结果表明该方法具有潜在的实际应用价值。
PDF2 years ago