DistrictNet：面向地理划区的决策感知学习

划区是将地理区域划分为小区域的组合问题，在物流领域是决定数年运营成本的重大战略决策。使用传统方法解决划区问题，即使在小规模地理区域上也难以求解，现有启发式方法往往提供次优解。我们提出一种结构化学习方法，在几分钟内找到实际场景划区问题的高质量解决方案。其方法基于将组合优化层（容受限最小生成树问题）集成到图神经网络架构中。为以决策感知的方式训练此管道，我们展示如何构建嵌入于合适空间中的目标解，并从目标解中进行学习。实验表明，我们的方法优于现有方法，能在实际城市中显著降低成本。