Buchumschlag

A zone-based training approach for last-mile routing using Graph Neural Networks and Pointer Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ruiz-Fas, Àngel, Granell, Carlos, Ramos, José Francisco, Huerta, Joaquín, Trilles, Sergio
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Global to Local: Cluster-Aware Learning for Wi-Fi Fingerprinting Indoor Localisation
von: Matey-Sanz, Miguel, et al.
Veröffentlicht: (2026)

Community-Based Model Sharing and Generalisation: Anomaly Detection in IoT Temperature Sensor Networks
von: Hammad, Sahibzada Saadoon, et al.
Veröffentlicht: (2026)

A bilevel approach for compensation and routing decisions in last-mile delivery
von: Cerulli, Martina, et al.
Veröffentlicht: (2023)

Solving the QAP by Two-Stage Graph Pointer Networks and Reinforcement Learning
von: Iida, Satoko, et al.
Veröffentlicht: (2024)

Pointer Networks with Q-Learning for Combinatorial Optimization
von: Barro, Alessandro
Veröffentlicht: (2023)

A Graph Laplacian Eigenvector-based Pre-training Method for Graph Neural Networks
von: Dai, Howard, et al.
Veröffentlicht: (2025)

Generating Diverse TSP Tours via a Combination of Graph Pointer Network and Dispersion
von: Yang, Hao-Tsung, et al.
Veröffentlicht: (2026)

Predicting Drivers' Route Trajectories in Last-Mile Delivery Using A Pair-wise Attention-based Pointer Neural Network
von: Mo, Baichuan, et al.
Veröffentlicht: (2023)

A multi-algorithm approach for operational human resources workload balancing in a last mile urban delivery system
von: Moreno-Saavedra, Luis M., et al.
Veröffentlicht: (2025)

Spatiotemporal Graph Neural Networks in short term load forecasting: Does adding Graph Structure in Consumption Data Improve Predictions?
von: Nguyen, Quoc Viet, et al.
Veröffentlicht: (2025)

Enhanced Pre-training of Graph Neural Networks for Million-Scale Heterogeneous Graphs
von: Sun, Shengyin, et al.
Veröffentlicht: (2025)

Backward Oversmoothing: why is it hard to train deep Graph Neural Networks?
von: Keriven, Nicolas
Veröffentlicht: (2025)

Convergence of gradient based training for linear Graph Neural Networks
von: Patel, Dhiraj, et al.
Veröffentlicht: (2025)

Transfer Entropy in Graph Convolutional Neural Networks
von: Moldovan, Adrian, et al.
Veröffentlicht: (2024)

BioNeuralNet: A Graph Neural Network based Multi-Omics Network Data Analysis Tool
von: Ramos, Vicente, et al.
Veröffentlicht: (2025)

Pre-training Graph Neural Networks with Structural Fingerprints for Materials Discovery
von: Jia, Shuyi, et al.
Veröffentlicht: (2025)

Delayed Bottlenecking: Alleviating Forgetting in Pre-trained Graph Neural Networks
von: Zhao, Zhe, et al.
Veröffentlicht: (2024)

On Improving Graph Neural Networks for QSAR by Pre-training on Extended-Connectivity Fingerprints
von: Money-Kyrle, Sam, et al.
Veröffentlicht: (2026)

Search to Fine-tune Pre-trained Graph Neural Networks for Graph-level Tasks
von: Wang, Zhili, et al.
Veröffentlicht: (2023)

Data-Driven Dynamic Friction Models based on Recurrent Neural Networks
von: Cortes, Gaëtan, et al.
Veröffentlicht: (2024)

Semi-Supervised Learning on Graphs using Graph Neural Networks
von: Chen, Juntong, et al.
Veröffentlicht: (2026)

Inductive Link Prediction in Knowledge Graphs using Path-based Neural Networks
von: Zhang, Canlin, et al.
Veröffentlicht: (2023)

Interactive Event Sifting using Bayesian Graph Neural Networks
von: Nascimento, José, et al.
Veröffentlicht: (2024)

Graph Coordinates and Conventional Neural Networks -- An Alternative for Graph Neural Networks
von: Qin, Zheyi, et al.
Veröffentlicht: (2023)

Graph-based Integrated Gradients for Explaining Graph Neural Networks
von: Simpson, Lachlan, et al.
Veröffentlicht: (2025)

View-based Explanations for Graph Neural Networks
von: Chen, Tingyang, et al.
Veröffentlicht: (2024)

Pre-training Graph Neural Networks on Molecules by Using Subgraph-Conditioned Graph Information Bottleneck
von: Hoang, Van Thuy, et al.
Veröffentlicht: (2024)

Review of blockchain application with Graph Neural Networks, Graph Convolutional Networks and Convolutional Neural Networks
von: Ancelotti, Amy, et al.
Veröffentlicht: (2024)

A data-centric approach for assessing progress of Graph Neural Networks
von: Zhao, Tianqi, et al.
Veröffentlicht: (2024)

You do not have to train Graph Neural Networks at all on text-attributed graphs
von: Dong, Kaiwen, et al.
Veröffentlicht: (2024)

Nonstabilizerness Estimation using Graph Neural Networks
von: Lipardi, Vincenzo, et al.
Veröffentlicht: (2025)

Sampling Transferable Graph Neural Networks with Limited Graph Information
von: Wang, Haoyu, et al.
Veröffentlicht: (2024)

Uncertainty Modeling in Graph Neural Networks via Stochastic Differential Equations
von: Bergna, Richard, et al.
Veröffentlicht: (2024)

Factor Graph-based Interpretable Neural Networks
von: Li, Yicong, et al.
Veröffentlicht: (2025)

Energy-based Epistemic Uncertainty for Graph Neural Networks
von: Fuchsgruber, Dominik, et al.
Veröffentlicht: (2024)

GP2F: Cross-Domain Graph Prompting with Adaptive Fusion of Pre-trained Graph Neural Networks
von: He, Dongxiao, et al.
Veröffentlicht: (2026)

United States. The last mile
Veröffentlicht: (1998)

Business. The battle for the last mile
Veröffentlicht: (1999)

Graph in Graph Neural Network
von: Wang, Jiongshu, et al.
Veröffentlicht: (2024)

Crash Assessment via Mesh-Based Graph Neural Networks and Physics-Aware Attention
von: Curtosi, Gabriel, et al.
Veröffentlicht: (2026)