个性化和上下文感知的边缘协助车辆路径规划
原文中文,约300字,阅读约需1分钟。发表于: 。基于图神经网络和深度强化学习的新方法能够根据个人偏好定制路线,实现驾驶员个性化导航体验,并在真实道路网络中测试表明,相较于一般的路线规划器,该框架能够以最多 17% 的改善选择符合驾驶员偏好的路线,并将旅行时间相对于最短距离法缩短 33%(下午)和 46%(晚上)。
本研究使用深度强化学习和编码器-解码器注意模型解决车辆路径问题,并在实际供应链环境中测试,结果优于现有解决方案。
基于图神经网络和深度强化学习的新方法能够根据个人偏好定制路线,实现驾驶员个性化导航体验,并在真实道路网络中测试表明,相较于一般的路线规划器,该框架能够以最多 17% 的改善选择符合驾驶员偏好的路线,并将旅行时间相对于最短距离法缩短 33%(下午)和 46%(晚上)。
本研究使用深度强化学习和编码器-解码器注意模型解决车辆路径问题,并在实际供应链环境中测试,结果优于现有解决方案。