Buchumschlag

Combinatorial Optimization Augmented Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schiffer, Maximilian, Hoppe, Heiko, Su, Yue, Bouvier, Louis, Parmentier, Axel
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structured Reinforcement Learning for Combinatorial Decision-Making
von: Hoppe, Heiko, et al.
Veröffentlicht: (2025)

Learning-based Online Optimization for Autonomous Mobility-on-Demand Fleet Control
von: Jungel, Kai, et al.
Veröffentlicht: (2023)

Preference-aware compensation policies for crowdsourced on-demand services
von: Nouli, Georgina, et al.
Veröffentlicht: (2025)

Primal-dual algorithm for contextual stochastic combinatorial optimization
von: Bouvier, Louis, et al.
Veröffentlicht: (2025)

Combinatorial Optimization and Machine Learning for Dynamic Inventory Routing
von: Greif, Toni, et al.
Veröffentlicht: (2024)

Optimizing a Worldwide-Scale Shipper Transportation Planning in a Carmaker Inbound Supply Chain
von: Brichet, Mathis, et al.
Veröffentlicht: (2025)

Don't Explain Noise: Robust Counterfactuals for Randomized Ensembles
von: Forel, Alexandre, et al.
Veröffentlicht: (2022)

Operational route planning under uncertainty for Demand Adaptive Systems
von: Lienkamp, Benedikt, et al.
Veröffentlicht: (2025)

DistrictNet: Decision-aware learning for geographical districting
von: Ahmed, Cheikh, et al.
Veröffentlicht: (2024)

Imitation Learning for Combinatorial Optimisation under Uncertainty
von: Gawas, Prakash, et al.
Veröffentlicht: (2026)

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

Predicting Accurate Lagrangian Multipliers for Mixed Integer Linear Programs
von: Demelas, Francesco, et al.
Veröffentlicht: (2023)

Learning to Handle Parameter Perturbations in Combinatorial Optimization: an Application to Facility Location
von: Lodi, Andrea, et al.
Veröffentlicht: (2019)

Latent Guided Sampling for Combinatorial Optimization
von: Surendran, Sobihan, et al.
Veröffentlicht: (2025)

Contextual Stochastic Vehicle Routing with Time Windows
von: Serrano, Breno, et al.
Veröffentlicht: (2024)

TreeDQN: Sample-Efficient Off-Policy Reinforcement Learning for Combinatorial Optimization
von: Sorokin, D., et al.
Veröffentlicht: (2023)

Global Rewards in Multi-Agent Deep Reinforcement Learning for Autonomous Mobility on Demand Systems
von: Hoppe, Heiko, et al.
Veröffentlicht: (2023)

Reheated Gradient-based Discrete Sampling for Combinatorial Optimization
von: Li, Muheng, et al.
Veröffentlicht: (2025)

Heuristics for Combinatorial Optimization via Value-based Reinforcement Learning: A Unified Framework and Analysis
von: Davidovich, Orit, et al.
Veröffentlicht: (2025)

Machine Learning-Augmented Optimization of Large Bilevel and Two-stage Stochastic Programs: Application to Cycling Network Design
von: Chan, Timothy C. Y., et al.
Veröffentlicht: (2022)

Enhancing GNNs Performance on Combinatorial Optimization by Recurrent Feature Update
von: Pugacheva, Daria, et al.
Veröffentlicht: (2024)

Learning Constrained Optimization with Deep Augmented Lagrangian Methods
von: Kotary, James, et al.
Veröffentlicht: (2024)

Learning-Augmented Decentralized Online Convex Optimization in Networks
von: Li, Pengfei, et al.
Veröffentlicht: (2023)

Machine Learning Augmented Branch and Bound for Mixed Integer Linear Programming
von: Scavuzzo, Lara, et al.
Veröffentlicht: (2024)

Tackling Prevalent Conditions in Unsupervised Combinatorial Optimization: Cardinality, Minimum, Covering, and More
von: Bu, Fanchen, et al.
Veröffentlicht: (2024)

Global Optimization: A Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Learning in Inverse Optimization: Incenter Cost, Augmented Suboptimality Loss, and Algorithms
von: Scroccaro, Pedro Zattoni, et al.
Veröffentlicht: (2023)

Learning-Rate-Free Stochastic Optimization over Riemannian Manifolds
von: Dodd, Daniel, et al.
Veröffentlicht: (2024)

Responsible Machine Learning via Mixed-Integer Optimization
von: Justin, Nathan, et al.
Veröffentlicht: (2025)

Multi-fidelity Machine Learning for Uncertainty Quantification and Optimization
von: Zhang, Ruda, et al.
Veröffentlicht: (2024)

Optimal Data Splitting in Distributed Optimization for Machine Learning
von: Medyakov, Daniil, et al.
Veröffentlicht: (2024)

Neural Solver Selection for Combinatorial Optimization
von: Gao, Chengrui, et al.
Veröffentlicht: (2024)

Optimization meets Machine Learning: An Exact Algorithm for Semi-Supervised Support Vector Machines
von: Piccialli, Veronica, et al.
Veröffentlicht: (2023)

Machine Learning for K-adaptability in Two-stage Robust Optimization
von: Julien, Esther, et al.
Veröffentlicht: (2022)

Wasserstein Distributionally Robust Optimization: Theory and Applications in Machine Learning
von: Kuhn, Daniel, et al.
Veröffentlicht: (2019)

A Machine Learning Approach to Two-Stage Adaptive Robust Optimization
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Assessing and Enhancing Graph Neural Networks for Combinatorial Optimization: Novel Approaches and Application in Maximum Independent Set Problems
von: Hu, Chenchuhui
Veröffentlicht: (2024)

A Benchmark for Maximum Cut: Towards Standardization of the Evaluation of Learned Heuristics for Combinatorial Optimization
von: Nath, Ankur, et al.
Veröffentlicht: (2024)

A Control Theoretic Framework for Adaptive Gradient Optimizers in Machine Learning
von: Chakrabarti, Kushal, et al.
Veröffentlicht: (2022)

Multi-Objective Optimization-Based Anonymization of Structured Data for Machine Learning Application
von: Wei, Yusi, et al.
Veröffentlicht: (2025)