Buchumschlag

An End-to-End Deep Reinforcement Learning Approach for Solving the Traveling Salesman Problem with Drones

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zeng, Taihelong, Lin, Yun, Shi, Yuhe, Li, Yan, Wei, Zhiqing, Ji, Xuanru
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unsupervised Learning for Solving the Travelling Salesman Problem
von: Min, Yimeng, et al.
Veröffentlicht: (2023)

A Unified Deep Reinforcement Learning Approach for Close Enough Traveling Salesman Problem
von: Fan, Mingfeng, et al.
Veröffentlicht: (2025)

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

Generative Modeling for Robust Deep Reinforcement Learning on the Traveling Salesman Problem
von: Li, Michael, et al.
Veröffentlicht: (2025)

Construct, Merge, Solve & Adapt with Reinforcement Learning for the min-max Multiple Traveling Salesman Problem
von: Rodríguez-Corominas, Guillem, et al.
Veröffentlicht: (2026)

An End-to-End Learning Approach for Solving Capacitated Location-Routing Problems
von: Miao, Changhao, et al.
Veröffentlicht: (2025)

Combining Reinforcement Learning and Optimal Transport for the Traveling Salesman Problem
von: Goh, Yong Liang, et al.
Veröffentlicht: (2022)

iMTSP: Solving Min-Max Multiple Traveling Salesman Problem with Imperative Learning
von: Guo, Yifan, et al.
Veröffentlicht: (2024)

Position: Rethinking Post-Hoc Search-Based Neural Approaches for Solving Large-Scale Traveling Salesman Problems
von: Xia, Yifan, et al.
Veröffentlicht: (2024)

Looking Ahead to Avoid Being Late: Solving Hard-Constrained Traveling Salesman Problem
von: Chen, Jingxiao, et al.
Veröffentlicht: (2024)

On Size and Hardness Generalization in Unsupervised Learning for the Travelling Salesman Problem
von: Min, Yimeng, et al.
Veröffentlicht: (2024)

An End-to-End Reinforcement Learning Based Approach for Micro-View Order-Dispatching in Ride-Hailing
von: Yue, Xinlang, et al.
Veröffentlicht: (2024)

Comment on paper: Position: Rethinking Post-Hoc Search-Based Neural Approaches for Solving Large-Scale Traveling Salesman Problems
von: Min, Yimeng
Veröffentlicht: (2024)

Distilling Privileged Information for Dubins Traveling Salesman Problems with Neighborhoods
von: Shin, Min Kyu, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Traveling Purchaser Problems
von: Yuan, Haofeng, et al.
Veröffentlicht: (2024)

Adaptation and Fine-tuning with TabPFN for Travelling Salesman Problem
von: Vu, Nguyen Gia Hien, et al.
Veröffentlicht: (2025)

A Provable Approach for End-to-End Safe Reinforcement Learning
von: Wachi, Akifumi, et al.
Veröffentlicht: (2025)

Spatial-Aware Deep Reinforcement Learning for the Traveling Officer Problem
von: Strauß, Niklas, et al.
Veröffentlicht: (2024)

Training and Simulation of Quadrupedal Robot in Adaptive Stair Climbing for Indoor Firefighting: An End-to-End Reinforcement Learning Approach
von: Huang, Baixiao, et al.
Veröffentlicht: (2026)

End-to-End Deep Learning for Predicting Metric Space-Valued Outputs
von: Zhou, Yidong, et al.
Veröffentlicht: (2025)

DeepTravel: An End-to-End Agentic Reinforcement Learning Framework for Autonomous Travel Planning Agents
von: Ning, Yansong, et al.
Veröffentlicht: (2025)

End-to-End Reinforcement Learning of Curative Curtailment with Partial Measurement Availability
von: Wolf, Hinrikus, et al.
Veröffentlicht: (2024)

Sub-JEPA: Subspace Gaussian Regularization for Stable End-to-End World Models
von: Zhao, Kai, et al.
Veröffentlicht: (2026)

Incorporating Graph Attention Mechanism into Geometric Problem Solving Based on Deep Reinforcement Learning
von: Zhong, Xiuqin, et al.
Veröffentlicht: (2024)

AI2STOW: End-to-End Deep Reinforcement Learning to Construct Master Stowage Plans under Demand Uncertainty
von: Van Twiller, Jaike, et al.
Veröffentlicht: (2025)

Learning to Remember: End-to-End Training of Memory Agents for Long-Context Reasoning
von: Zhang, Kehao, et al.
Veröffentlicht: (2026)

End-to-End Framework Integrating Generative AI and Deep Reinforcement Learning for Autonomous Ultrasound Scanning
von: Elmekki, Hanae, et al.
Veröffentlicht: (2025)

ClustRecNet: A Novel End-to-End Deep Learning Framework for Clustering Algorithm Recommendation
von: Bakhtyari, Mohammadreza, et al.
Veröffentlicht: (2025)

Multi-Resolution End-to-End Deep Neural Network for Optimizing Latency-Accuracy Tradeoff in Autonomous Driving
von: Weng, Qitao, et al.
Veröffentlicht: (2026)

Bridging the Divide: End-to-End Sequence-Graph Learning
von: Chen, Yuen, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Solving Management Problems: Towards A Large Management Mode
von: Jiang, Jinyang, et al.
Veröffentlicht: (2024)

L-MoE: End-to-End Training of a Lightweight Mixture of Low-Rank Adaptation Experts
von: Ji, Shihao, et al.
Veröffentlicht: (2025)

End-To-End Learning of Gaussian Mixture Priors for Diffusion Sampler
von: Blessing, Denis, et al.
Veröffentlicht: (2025)

Solving the Cold Start Problem on One's Own as an End User via Preference Transfer
von: Sato, Ryoma
Veröffentlicht: (2025)

Co-Designing Binarized Transformer and Hardware Accelerator for Efficient End-to-End Edge Deployment
von: Ji, Yuhao, et al.
Veröffentlicht: (2024)

Identifying Functionally Important Features with End-to-End Sparse Dictionary Learning
von: Braun, Dan, et al.
Veröffentlicht: (2024)

End-to-End Learning for Partially-Observed Time Series with PyPOTS
von: Du, Wenjie, et al.
Veröffentlicht: (2026)

Learning to be Smooth: An End-to-End Differentiable Particle Smoother
von: Younis, Ali, et al.
Veröffentlicht: (2025)

OptiProxy-NAS: Optimization Proxy based End-to-End Neural Architecture Search
von: Lyu, Bo, et al.
Veröffentlicht: (2025)

Conditional Rectified Flow-based End-to-End Rapid Seismic Inversion Method
von: Xu, Haofei, et al.
Veröffentlicht: (2026)