GREAT：边空间图网络求解电动车路径问题
热点事件持续更新
GREAT：边空间图网络求解电动车路径问题
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
研究者提出图边注意力网络 GREAT，完全在边空间而非节点坐标上运算，以适配电动汽车路径问题（EVRP）中由路网拓扑导致的非对称能耗成本，并将其集成到端到端强化学习框架中，联合优化路径与充电决策。 基于旧金山真实能耗数据训练后，在 15–40 kWh 电池容量下，GREAT 在多数测试场景中优于 HGS 启发式：能耗最多降低 8.78%，运行时间缩短 60 倍。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
GREAT：面向非对称成本电动汽车路径问题的图边注意力网络报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIGREAT：面向非对称成本电动汽车路径问题的图边注意力网络
研究者提出图边注意力网络 GREAT，完全在边空间而非节点坐标上运算，天然适配电动汽车路径问题（EVRP）中由路网拓扑导致的非对称能耗成本，并集成到端到端强化学习框架中联合优化路径与充电决策。基于旧金山真实能耗数据训练后，GREAT 在 15-40 kWh 电池容量下多数测试场景中优于 HGS 启发式，能耗最多降低 8.78%，运行时间缩短 60 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。