交叉融合注意力网络

单模型多偏好求解

一种深度强化学习模型，通过交叉融合注意力编码器统一上下文特征，在不同权重偏好下保持解的质量和泛化能力。

Xiaoyu, Fu · 顾申申 · Chew, Chee Meng

Neural Networks 2025

参数信息

HV指标提升

1.43 %

HV指标提升

3.12 %

HV指标提升

2.17 %

技术优势

单模型多偏好

交叉融合注意力编码器将问题实例和权重偏好统一成上下文特征，同一个训练好的模型即可处理不同偏好，无需为每个偏好单独训练。

边界解探索更强

通过调整权重分布增强模型对边界解的探索能力，从而获得更完整的帕累托前沿。

应用场景

• 物流路径规划：快速给出兼顾成本、时间等多目标的最优路线。
• 机器人任务分配：为多机器人分配任务时同时优化多个冲突目标。
• 组合优化求解器：作为求解器组件，加速多目标组合优化问题的求解。
• 具身智能决策：帮助智能体在实时决策中权衡多个目标并快速给出近似最优解。
• 传感器网络部署：优化传感器布局，在覆盖、能耗等多个指标间进行权衡。