期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法
被引量：
4
1
作者
罗佳
李朝锋
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024年第6期1123-1136,共14页
需求可拆分车辆路径问题(SDVRP)出现在广泛的物流配送场景中,具有重要的研究价值.高效的SDVRP优化算法能够提高车辆装载率,降低物流配送成本.为提高SDVRP的求解效率,本文提出基于残差图卷积神经网络(RGCN)和多头注意力的深度强化学习算...
需求可拆分车辆路径问题(SDVRP)出现在广泛的物流配送场景中,具有重要的研究价值.高效的SDVRP优化算法能够提高车辆装载率,降低物流配送成本.为提高SDVRP的求解效率,本文提出基于残差图卷积神经网络(RGCN)和多头注意力的深度强化学习算法(REINFORCE),逐步构建可行解序列.首先,从强化学习的角度出发,文章对SDVRP建立马尔科夫决策模型,定义序列预测过程的环境状态、智能体动作空间、状态转移函数等.其次,建立编–解码模型求解节点选择策略,其中使用残差图卷积神经网络的编码器重构配送中心和客户节点的特征,将配送网络中节点间的连接关系与节点特征相互关联,获得差异性显著的特征嵌入向量;利用注意力网络解码器在重构后的嵌入向量基础上融合动态变化的车辆剩余装载量和客户需求等信息执行解码任务,实现每次迭代为单个案例提供多个可行解.最后,提出基于平均基准值的REINFORCE算法更新模型参数,通过求解不同问题规模测试集、标准SDVRP数据集,以及京东物流实际配送任务,验证了所提算法的有效性.
展开更多
关键词
需求可拆分车辆路径问题
残差图卷积神经网络
注意力机制
深度强化学习
在线阅读
下载PDF
职称材料
基于残差图卷积深度网络的电网无功储备需求快速计算方法
被引量：
8
2
作者
陈光宇
袁文辉
+2 位作者
徐晓春
戴则梅
闪鑫
《电工技术学报》
EI
CSCD
北大核心
2023年第17期4683-4700,共18页
针对电网无功储备需求计算复杂度高、耗时长的问题,提出一种基于残差图卷积深度网络考虑冗余样本特征削减的电网无功储备需求快速计算方法。该文首先,给出一种基于深度学习的电网无功储备需求快速计算框架,采用残差图卷积深度神经网络(G...
针对电网无功储备需求计算复杂度高、耗时长的问题,提出一种基于残差图卷积深度网络考虑冗余样本特征削减的电网无功储备需求快速计算方法。该文首先,给出一种基于深度学习的电网无功储备需求快速计算框架,采用残差图卷积深度神经网络(GCNII)对电网无功储备需求计算进行建模;其次,为克服传统相似性计算方法在拓扑属性样本度量问题上的局限,提出一种双尺度相似性度量方法,基于矩阵奇异值序列的余弦距离实现对拓扑结构样本的相似性度量;最后,提出一种冗余样本削减策略,基于双尺度相似性度量方法,结合改进谱聚类算法实现对样本集合的分层聚类,并通过样本局部密度分析,实现在维持数据集特征多样性的情况下,对冗余样本进行有效削减,提升模型训练效率。所提算例采用IEEE标准节点系统进行仿真,计算结果表明,该方法能够实现在模型计算精度基本不变的情况下大幅提升模型训练效率。
展开更多
关键词
残差图卷积神经网络
无功储备需求计算
样本削减策略
矩阵奇异值序列
双尺度相似性
在线阅读
下载PDF
职称材料
题名
基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法
被引量：
4
1
作者
罗佳
李朝锋
机构
上海海事大学物流科学与工程研究院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024年第6期1123-1136,共14页
基金
国家自然科学基金项目(62176150)资助。
文摘
需求可拆分车辆路径问题(SDVRP)出现在广泛的物流配送场景中,具有重要的研究价值.高效的SDVRP优化算法能够提高车辆装载率,降低物流配送成本.为提高SDVRP的求解效率,本文提出基于残差图卷积神经网络(RGCN)和多头注意力的深度强化学习算法(REINFORCE),逐步构建可行解序列.首先,从强化学习的角度出发,文章对SDVRP建立马尔科夫决策模型,定义序列预测过程的环境状态、智能体动作空间、状态转移函数等.其次,建立编–解码模型求解节点选择策略,其中使用残差图卷积神经网络的编码器重构配送中心和客户节点的特征,将配送网络中节点间的连接关系与节点特征相互关联,获得差异性显著的特征嵌入向量;利用注意力网络解码器在重构后的嵌入向量基础上融合动态变化的车辆剩余装载量和客户需求等信息执行解码任务,实现每次迭代为单个案例提供多个可行解.最后,提出基于平均基准值的REINFORCE算法更新模型参数,通过求解不同问题规模测试集、标准SDVRP数据集,以及京东物流实际配送任务,验证了所提算法的有效性.
关键词
需求可拆分车辆路径问题
残差图卷积神经网络
注意力机制
深度强化学习
Keywords
the split delivery vehicle routing problem
the residual graph convolutional network
the attention mechanism
deep reinforcement learning
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
U492.22 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于残差图卷积深度网络的电网无功储备需求快速计算方法
被引量：
8
2
作者
陈光宇
袁文辉
徐晓春
戴则梅
闪鑫
机构
南京工程学院电力工程学院
国网江苏省电力有限公司淮安供电分公司
南瑞集团公司(国网电力科学研究院)
出处
《电工技术学报》
EI
CSCD
北大核心
2023年第17期4683-4700,共18页
基金
智能电网保护和运行控制国家重点实验室资助(SGNR0000KJJS2302148)。
文摘
针对电网无功储备需求计算复杂度高、耗时长的问题,提出一种基于残差图卷积深度网络考虑冗余样本特征削减的电网无功储备需求快速计算方法。该文首先,给出一种基于深度学习的电网无功储备需求快速计算框架,采用残差图卷积深度神经网络(GCNII)对电网无功储备需求计算进行建模;其次,为克服传统相似性计算方法在拓扑属性样本度量问题上的局限,提出一种双尺度相似性度量方法,基于矩阵奇异值序列的余弦距离实现对拓扑结构样本的相似性度量;最后,提出一种冗余样本削减策略,基于双尺度相似性度量方法,结合改进谱聚类算法实现对样本集合的分层聚类,并通过样本局部密度分析,实现在维持数据集特征多样性的情况下,对冗余样本进行有效削减,提升模型训练效率。所提算例采用IEEE标准节点系统进行仿真,计算结果表明,该方法能够实现在模型计算精度基本不变的情况下大幅提升模型训练效率。
关键词
残差图卷积神经网络
无功储备需求计算
样本削减策略
矩阵奇异值序列
双尺度相似性
Keywords
Residual graph convolutional neural network
reactive power reserve demand calculation
sample reduction strategy
matrix singular value sequence
two scale similarity
分类号
TM734 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法
罗佳
李朝锋
《控制理论与应用》
EI
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
基于残差图卷积深度网络的电网无功储备需求快速计算方法
陈光宇
袁文辉
徐晓春
戴则梅
闪鑫
《电工技术学报》
EI
CSCD
北大核心
2023
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
