因果图神经网络

维护决策近最优

将因果结构与物理约束嵌入图网络的维护决策模型,以可微分优化替代启发式搜索,决策透明且近实时。

Zu, Tianpei · Bosheng, Ba · Jingyu, Liang · 康锐

Reliability Engineering and System Safety 2027

参数信息

成本降低百分比
19.7–25.6 %

技术优势

看清决策因果

构建可解释因果骨架,将因果关键性和运行决策项嵌入QUBO哈密顿量,决策透明度高于纯数据驱动黑箱模型。

免去启发式调参

用无监督可微分PIGNN求解器替代基于种群的组合搜索,无需为不同场景反复调优启发式参数。

近实时决策

与精确MILP求解相比,每个决策的计算成本仅为极小一部分,可满足大规模部署的近实时要求。

应用场景