arXiv 人工智能· Xiaobin Li, Yanbin Gao, Jianing Long, Wuming Lei·· 4 小时前AI 评分32
基于图学习辅助逻辑 Benders 分解的干扰下列车站内分布鲁棒重调度
Graph learning-assisted logic-based Benders decomposition for distributionally robust in-station train rescheduling under disruptions
AI 导读
研究提出图学习辅助逻辑 Benders 分解算法 GNN-LBBD，结合滚动时域分布鲁棒优化模型解决突发干扰下的列车站内重调度问题。该方法通过 GNN 指导子问题求解顺序，联合优化列车路径、进路顺序与时间。在 5 股道车站的 28 个测试实例中，其平均总完工延误为 61.13 列车·分钟，比禁忌搜索和变邻域搜索分别降低 16.63% 与 20.06%。
来源：arXiv 人工智能 · arxiv.org