Refining Hybrid Genetic Search for CVRP via Reinforcement Learning-Finetuned LLM

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Rongjie, Zhang, Cong, Cao, Zhiguang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Reinforcement Learning Guided Improvement Heuristic for Job Shop Scheduling
von: Zhang, Cong, et al.
Veröffentlicht: (2022)

Learning to Search for Vehicle Routing with Multiple Time Windows
von: Xu, Kuan, et al.
Veröffentlicht: (2025)

Efficient Reinforcement Finetuning via Adaptive Curriculum Learning
von: Shi, Taiwei, et al.
Veröffentlicht: (2025)

Diversity Optimization for Travelling Salesman Problem via Deep Reinforcement Learning
von: Li, Qi, et al.
Veröffentlicht: (2025)

Learning Topological Representations with Bidirectional Graph Attention Network for Solving Job Shop Scheduling Problem
von: Zhang, Cong, et al.
Veröffentlicht: (2024)

Beyond Parameter Finetuning: Test-Time Representation Refinement for Node Classification
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2026)

RESCHED: Rethinking Flexible Job Shop Scheduling from a Transformer-based Architecture with Simplified States
von: Xiao, Xiangjie, et al.
Veröffentlicht: (2026)

Learning Dynamics of LLM Finetuning
von: Ren, Yi, et al.
Veröffentlicht: (2024)

Representation Finetuning for Continual Learning
von: Luo, Haihua, et al.
Veröffentlicht: (2026)

Towards Fast Safe Online Reinforcement Learning via Policy Finetuning
von: Chen, Keru, et al.
Veröffentlicht: (2024)

Holdout-Loss-Based Data Selection for LLM Finetuning via In-Context Learning
von: Zhang, Ling, et al.
Veröffentlicht: (2025)

Enhancing the Cross-Size Generalization for Solving Vehicle Routing Problems via Continual Learning
von: Li, Jingwen, et al.
Veröffentlicht: (2025)

ConfigX: Modular Configuration for Evolutionary Algorithms via Multitask Reinforcement Learning
von: Guo, Hongshu, et al.
Veröffentlicht: (2024)

Reinforcement Learning Finetunes Small Subnetworks in Large Language Models
von: Mukherjee, Sagnik, et al.
Veröffentlicht: (2025)

Invisible Safety Threat: Malicious Finetuning for LLM via Steganography
von: Wan, Guangnian, et al.
Veröffentlicht: (2026)

When Scaling Meets LLM Finetuning: The Effect of Data, Model and Finetuning Method
von: Zhang, Biao, et al.
Veröffentlicht: (2024)

Bias-Restrained Prefix Representation Finetuning for Mathematical Reasoning
von: Liang, Sirui, et al.
Veröffentlicht: (2025)

Mechanical Strength Prediction of Steel-Polypropylene Fiber-based High-Performance Concrete Using Hybrid Machine Learning Algorithms
von: Chakma, Jagaran, et al.
Veröffentlicht: (2025)

Tree Search for LLM Agent Reinforcement Learning
von: Ji, Yuxiang, et al.
Veröffentlicht: (2025)

Reinforcement Learning Gradients as Vitamin for Online Finetuning Decision Transformers
von: Yan, Kai, et al.
Veröffentlicht: (2024)

MLE-STAR: Machine Learning Engineering Agent via Search and Targeted Refinement
von: Nam, Jaehyun, et al.
Veröffentlicht: (2025)

Learning Dynamics of VLM Finetuning
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Shape it Up! Restoring LLM Safety during Finetuning
von: Peng, ShengYun, et al.
Veröffentlicht: (2025)

Unsupervised Solution Operator Learning for Mean-Field Games via Sampling-Invariant Parametrizations
von: Huang, Han, et al.
Veröffentlicht: (2024)

TreeRL: LLM Reinforcement Learning with On-Policy Tree Search
von: Hou, Zhenyu, et al.
Veröffentlicht: (2025)

CARE-RFT: Confidence-Anchored Reinforcement Finetuning for Reliable Reasoning in Large Language Models
von: Li, Shuozhe, et al.
Veröffentlicht: (2026)

Stratified GRPO: Handling Structural Heterogeneity in Reinforcement Learning of LLM Search Agents
von: Zhu, Mingkang, et al.
Veröffentlicht: (2025)

Refining Few-Step Text-to-Multiview Diffusion via Reinforcement Learning
von: Zhang, Ziyi, et al.
Veröffentlicht: (2025)

Search over Self-Edit Strategies for LLM Adaptation
von: Cheong, Alistair, et al.
Veröffentlicht: (2026)

Bridging Synthetic and Real Routing Problems via LLM-Guided Instance Generation and Progressive Adaptation
von: Zhu, Jianghan, et al.
Veröffentlicht: (2025)

Iterative Refinement of Flow Policies in Probability Space for Online Reinforcement Learning
von: Sun, Mingyang, et al.
Veröffentlicht: (2025)

NCO4CVRP: Neural Combinatorial Optimization for the Capacitated Vehicle Routing Problem
von: Dihan, Mahir Labib, et al.
Veröffentlicht: (2026)

Stable Continual Reinforcement Learning via Diffusion-based Trajectory Replay
von: Chen, Feng, et al.
Veröffentlicht: (2024)

Uncertainty-Guided Checkpoint Selection for Reinforcement Finetuning of Large Language Models
von: Nguyen, Manh, et al.
Veröffentlicht: (2025)

LLM-NAS: LLM-driven Hardware-Aware Neural Architecture Search
von: Zhu, Hengyi, et al.
Veröffentlicht: (2025)

FAQNAS: FLOPs-aware Hybrid Quantum Neural Architecture Search using Genetic Algorithm
von: Kashif, Muhammad, et al.
Veröffentlicht: (2025)

The Finetuner's Fallacy: When to Pretrain with Your Finetuning Data
von: Baek, Christina, et al.
Veröffentlicht: (2026)

RADAR: Learning to Route with Asymmetry-aware DistAnce Representations
von: Yi, Hang, et al.
Veröffentlicht: (2026)

LLM-Inspired Pretrain-Then-Finetune for Small-Data, Large-Scale Optimization
von: Zhang, Zishi, et al.
Veröffentlicht: (2026)

Answer First, Reason Later: Aligning Search Relevance via Mode-Balanced Reinforcement Learning
von: Zhang, Shijie, et al.
Veröffentlicht: (2026)