提出融合空间启发式策略的3D装箱新方法

针对传统启发式方法泛化能力弱及现有扩散强化学习空间感知不足的问题，研究团队提出了一种融合空间启发式策略的扩散强化学习方法。该方法结合经典启发式规则与扩散强化学习框架，通过启发式动作预筛选机制有效压缩了动作空间，显著提升了决策效率。在建模层面，该研究引入图神经网络以精准捕捉三维空间的结构特征，同时设计包含平整度的复合奖励函数，旨在抑制装箱过程中的空间碎片化现象。实验结果表明，该方法实现了先验知识与自适应优化的有机融合，有效提升了3D装箱的空间利用率与布局紧凑性，为在线装箱问题提供了新的解决思路。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。