利用图神经网络增强列生成算法,实现乘客行程规划和机组班次安排的联合优化
原文中文,约400字,阅读约需1分钟。发表于: 。通过使用 AGGNNI-CG 方法(基于注意力机制和门控循环神经网络的混合方法)解决服务调度的基本问题,本研究在复杂的动态移动服务中联合优化乘客行程规划和人员排班,取得了接近最优解决方案,对现有系统进行了显著改进。
本研究提出了一种基于数据驱动图滤波器的图卷积神经网络模型,用于预测自行车共享网络中车站级别的小时需求。通过测试发现,GCNNrec-DDGF和GCNNreg-DDGF的表现最佳。此外,通过DDGF获得更详细的图网络分析,揭示了车站之间的隐藏异质性相关关系。