GREAT：边空间注意力网络求解电动车路径问题
热点事件持续更新
GREAT：边空间注意力网络求解电动车路径问题
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究提出图边注意力网络（GREAT），该模型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）中因路网拓扑产生的非对称能耗成本。 基于旧金山真实能耗数据训练后，GREAT 在 15–40 kWh 电池容量等测试设置下，相比 HGS 启发式方法最高降低 8.78% 能耗，运行时缩短 60 倍。相关论文由 Attila Lischka 等作者发布在 arXiv 上。
AI 根据报道生成 · 1 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。基于旧金山真实能耗数据训练后，GREAT 在 15-40 kWh 电池容量等测试设置下相比 HGS 启发式最高降低 8.78% 能耗，运行时缩短 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。