.png){kind=icon}
返回
Preference-agile multi-objective optimization for real-time vehicle dispatching
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ejor.2026.04.017.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种端到端的偏好敏捷多目标优化（PAMOO）方法。
• 设计了一种具有增强泛化能力的新型网络架构。
• 所提出的方法能够促进在线环境下动态交互的偏好调整。
• 该方法首次将动态多目标强化学习应用于港口运营。
Keyword:
Transportation
Dynamic vehicle routing
Digit port
Multi-objective optimization
Deep reinforcement learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W
机构
引用论文
.png){kind=icon}
分享收藏Integrating machine learning with dynamic multi-objective optimization for real-time decision-making将机器学习与动态多目标优化相结合，用于实时决策制定
PREAI
分享收藏Meta-Learning-Based Deep Reinforcement Learning for Multiobjective Optimization Problems基于元学习的多目标优化深度强化学习
OAAI
OAAI分享收藏分享收藏
查看更多内容