基于图神经网络的部分列生成方法用于团队编组与路径规划
广义相对论与量子宇宙学
2025-09-22 v1
摘要
团队编组与路径规划问题是一类具有多种现实应用场景的优化难题，涵盖机场、医疗及维护等领域。为解决此问题，文献中提出了基于列生成的精确求解方法。本文提出一种新颖的部分列生成策略，用于多重定价问题情境，旨在预测哪些问题更可能产生具有负简化费用的列。我们开发了一种专为团队编组与路径规划问题量身定制的机器学习模型，利用图神经网络实现上述预测。计算实验表明，应用本策略后可提升求解方法性能，尤其在面对严格时间限制下的困难实例时，优于文献中传统的部分列生成方法。
引用
@article{arxiv.2509.15274,
title = {Static AdS Black Holes Surrounded by Strings and Quintessence-like Field within Rastall Gravity Framework},
author = {Allan. R. P. Moreira and Faizuddin Ahmed and Abdelmalek Bouzenada},
journal= {arXiv preprint arXiv:2509.15274},
year = {2025}
}