WeCon: An Efficient Weight-Conditioned Neural Solver for Multi-Objective Combinatorial Optimization Problems

En 3 lignesWeCon est un solveur neuronal pour problèmes d'optimisation combinatoire multi-objectifs (MOCOPs). Il introduit des blocs Gated Residual Fusion pour mieux intégrer poids et features, un bloc Residual Fusion en décodeur, et une méthode Efficient Preference Optimization. Sur 4 variantes MOCOP, WeCon égale POCCO-W en HyperVolume tout en réduisant le temps d'inférence de 40%.

Résumé généré par Claude — vérifié par l'humain