Buchumschlag

OD-DEAL: Dynamic Expert-Guided Adversarial Learning with Online Decomposition for Scalable Capacitated Vehicle Routing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiao, Dongbin, Chen, Zisheng, Wang, Xianyi, Shi, Jintao, Liu, Shengcai, Yan, Shi
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

Guided by the Experts: Provable Feature Learning Dynamic of Soft-Routed Mixture-of-Experts
von: Liao, Fangshuo, et al.
Veröffentlicht: (2025)

Using Reinforcement Learning for the Three-Dimensional Loading Capacitated Vehicle Routing Problem
von: Schoepf, Stefan, et al.
Veröffentlicht: (2023)

ARAC: Adaptive Regularized Multi-Agent Soft Actor-Critic in Graph-Structured Adversarial Games
von: Shi, Ruochuan, et al.
Veröffentlicht: (2025)

Two-Stage Learned Decomposition for Scalable Routing on Multigraphs
von: Rydin, Filip, et al.
Veröffentlicht: (2026)

Learning to Deliver: a Foundation Model for the Montreal Capacitated Vehicle Routing Problem
von: Chin, Samuel J. K., et al.
Veröffentlicht: (2024)

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

Dynamic Scheduling for Vehicle-to-Vehicle Communications Enhanced Federated Learning
von: Yan, Jintao, et al.
Veröffentlicht: (2024)

Scalable Heterogeneous Graph Learning via Heterogeneous-aware Orthogonal Prototype Experts
von: Zhou, Wei, et al.
Veröffentlicht: (2026)

Towards Generalization-Oriented Models for Vehicle Routing Problems with Mixture-of-Experts
von: Miao, Changhao, et al.
Veröffentlicht: (2026)

Neural Cluster First, Route Second: One-Shot Capacitated Vehicle Routing via Differentiable Optimal Transport
von: Chin, Samuel J. K., et al.
Veröffentlicht: (2026)

A Large Language Model-Enhanced Q-learning for Capacitated Vehicle Routing Problem with Time Windows
von: Cao, Linjiang, et al.
Veröffentlicht: (2025)

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

On the Implicit Adversariality of Catastrophic Forgetting in Deep Continual Learning
von: Peng, Ze, et al.
Veröffentlicht: (2025)

Efficient Neural Combinatorial Optimization Solver for the Min-max Heterogeneous Capacitated Vehicle Routing Problem
von: Wu, Xuan, et al.
Veröffentlicht: (2025)

Scalable Structure Learning of Bayesian Networks by Learning Algorithm Ensembles
von: Liu, Shengcai, et al.
Veröffentlicht: (2025)

A Training-Free Conditional Diffusion Model for Learning Stochastic Dynamical Systems
von: Liu, Yanfang, et al.
Veröffentlicht: (2024)

Multi-Task Vehicle Routing Solver via Mixture of Specialized Experts under State-Decomposable MDP
von: Pan, Yuxin, et al.
Veröffentlicht: (2025)

Adversarial Generative Flow Network for Solving Vehicle Routing Problems
von: Zhang, Ni, et al.
Veröffentlicht: (2025)

Learning to Route Among Specialized Experts for Zero-Shot Generalization
von: Muqeeth, Mohammed, et al.
Veröffentlicht: (2024)

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

Dynamic Expert Quantization for Scalable Mixture-of-Experts Inference
von: Chu, Kexin, et al.
Veröffentlicht: (2025)

Memetic Search for Green Vehicle Routing Problem with Private Capacitated Refueling Stations
von: Xu, Rui, et al.
Veröffentlicht: (2025)

MVMoE: Multi-Task Vehicle Routing Solver with Mixture-of-Experts
von: Zhou, Jianan, et al.
Veröffentlicht: (2024)

Learning Future Representation with Synthetic Observations for Sample-efficient Reinforcement Learning
von: Liu, Xin, et al.
Veröffentlicht: (2024)

Prompt Learning for Generalized Vehicle Routing
von: Liu, Fei, et al.
Veröffentlicht: (2024)

Separation and Collaboration: Two-Level Routing Grouped Mixture-of-Experts for Multi-Domain Continual Learning
von: Zhou, Jialu, et al.
Veröffentlicht: (2025)

Learn from the Past: A Proxy Guided Adversarial Defense Framework with Self Distillation Regularization
von: Liu, Yaohua, et al.
Veröffentlicht: (2023)

Geometric Mixture-of-Experts with Curvature-Guided Adaptive Routing for Graph Representation Learning
von: Cao, Haifang, et al.
Veröffentlicht: (2026)

Routing-Free Mixture-of-Experts
von: Liu, Yilun, et al.
Veröffentlicht: (2026)

Curriculum Learning in Genetic Programming Guided Local Search for Large-scale Vehicle Routing Problems
von: Liu, Saining, et al.
Veröffentlicht: (2025)

R2PS: Worst-Case Robust Real-Time Pursuit Strategies under Partial Observability
von: Lu, Runyu, et al.
Veröffentlicht: (2025)

Lifelong Learning with Behavior Consolidation for Vehicle Routing
von: Pei, Jiyuan, et al.
Veröffentlicht: (2025)

Expert Routing with Synthetic Data for Continual Learning
von: Byun, Yewon, et al.
Veröffentlicht: (2024)

Soft Merging of Experts with Adaptive Routing
von: Muqeeth, Mohammed, et al.
Veröffentlicht: (2023)

Pessimistic Risk-Aware Policy Learning in Contextual Bandits
von: Wan, Yilong, et al.
Veröffentlicht: (2026)

Variational Routing: A Scalable Bayesian Framework for Calibrated Mixture-of-Experts Transformers
von: Li, Albus Yizhuo, et al.
Veröffentlicht: (2026)

EMoE: Eigenbasis-Guided Routing for Mixture-of-Experts
von: Cheng, Anzhe, et al.
Veröffentlicht: (2026)

Neural Inhibition Improves Dynamic Routing and Mixture of Experts
von: Zou, Will Y., et al.
Veröffentlicht: (2025)

Mobility-Aware Asynchronous Federated Learning with Dynamic Sparsification
von: Yan, Jintao, et al.
Veröffentlicht: (2025)

How Multimodal Integration Boost the Performance of LLM for Optimization: Case Study on Capacitated Vehicle Routing Problems
von: Huang, Yuxiao, et al.
Veröffentlicht: (2024)