**AlphaTransit：学习设计城市规模公交路线**

_AlphaTransit: Learning to Design City-scale Transit Routes_

> 本文提出AlphaTransit框架，用于解决城市规模公交路线网络设计问题（TRNDP）。该框架结合了蒙特卡洛树搜索（MCTS）与神经策略-价值网络，以应对延迟反馈和路线交互等挑战。策略网络提出路线扩展方案，价值网络评估设计质量，搜索过程利用这些预测优化决策，避免了在搜索树内运行模拟器。在Bloomington基准测试中，AlphaTransit在混合和全公交需求设置下分别达到54.6%和82.1%的服务率，相比纯强化学习提升9.9%和11.4%，相比无学习引导的MCTS提升2.5%和11.2%。结果表明，结合学习引导与MCTS比单独使用任一方法更有效，代码和数据已开源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.28730)