محققان در تازهترین پژوهش خود، مدل جدیدی به نام «WeCon» را برای حل مسائل پیچیده بهینهسازی ترکیبی چندهدفه (MOCOP) معرفی کردهاند.
مدلهای فعلی در درک وزنهای مختلف و حفظ کیفیت راهحلها با مشکل مواجه بودند، اما WeCon با استفاده از یک معماری نوآورانه شامل لایههای توجه (Attention Blocks) و بلوکهای «Gated Residual Fusion»، توانسته است تعامل بسیار بهتری بین ویژگیهای مسئله و وزنها ایجاد کند. این مدل با استفاده از روش جدید «بهینهسازی ترجیحی کارآمد»، دقت و کارایی را در مقایسه با روشهای قدیمی به شکل چشمگیری افزایش داده است. 📈
این پیشرفت میتواند مسیر را برای حل مسائل پیچیده در لجستیک، برنامهریزی و طراحی سیستمهای مهندسی با سرعت و دقت بسیار بالاتر هموار کند.
منبع: arXiv Machine Learning