A First Guess is Rarely the Final Answer: Learning to Search in the Traveling Salesperson Problem

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Garmendia, Andoni Irazusta
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Test-Time Augmentation for Traveling Salesperson Problem
von: Ishiyama, Ryo, et al.
Veröffentlicht: (2024)

Enabling Population-Based Architectures for Neural Combinatorial Optimization
von: Garmendia, Andoni Irazusta, et al.
Veröffentlicht: (2026)

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

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

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

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)

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

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

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

Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem
von: Lytrosyngounis, Christos, et al.
Veröffentlicht: (2025)

An End-to-End Deep Reinforcement Learning Approach for Solving the Traveling Salesman Problem with Drones
von: Zeng, Taihelong, et al.
Veröffentlicht: (2025)

How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation
von: Qian, Linglong, et al.
Veröffentlicht: (2024)

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

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

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

TSPDiffuser: Diffusion Models as Learned Samplers for Traveling Salesperson Path Planning Problems
von: Yonetani, Ryo
Veröffentlicht: (2024)

Learning to Answer from Correct Demonstrations
von: Joshi, Nirmit, et al.
Veröffentlicht: (2025)

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

No More Guessing: a Verifiable Gradient Inversion Attack in Federated Learning
von: Diana, Francesco, et al.
Veröffentlicht: (2026)

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

Are Your Reasoning Models Reasoning or Guessing? A Mechanistic Analysis of Hierarchical Reasoning Models
von: Ren, Zirui, et al.
Veröffentlicht: (2026)

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

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

The DeepXube Software Package for Solving Pathfinding Problems with Learned Heuristic Functions and Search
von: Agostinelli, Forest
Veröffentlicht: (2026)

Neural Deconstruction Search for Vehicle Routing Problems
von: Hottung, André, et al.
Veröffentlicht: (2025)

PERP: Rethinking the Prune-Retrain Paradigm in the Era of LLMs
von: Zimmer, Max, et al.
Veröffentlicht: (2023)

Streaming Deep Reinforcement Learning Finally Works
von: Elsayed, Mohamed, et al.
Veröffentlicht: (2024)

Plantain: Plan-Answer Interleaved Reasoning
von: Liang, Anthony, et al.
Veröffentlicht: (2025)

Incentivizing LLMs to Self-Verify Their Answers
von: Zhang, Fuxiang, et al.
Veröffentlicht: (2025)

From Guess2Graph: When and How Can Unreliable Experts Safely Boost Causal Discovery in Finite Samples?
von: Hiremath, Sujai, et al.
Veröffentlicht: (2025)

MAYA: Addressing Inconsistencies in Generative Password Guessing through a Unified Benchmark
von: Corrias, William, et al.
Veröffentlicht: (2025)

Learning-Based Algorithms for Graph Searching Problems
von: DePavia, Adela Frances, et al.
Veröffentlicht: (2024)

Detecting and Mitigating the Correct-Answer Extinction Window in Test-Time Reinforcement Learning with Majority Voting
von: Lin, Hongxiang, et al.
Veröffentlicht: (2026)

Which Graph Shift Operator? A Spectral Answer to an Empirical Question
von: Abbahaddou, Yassine
Veröffentlicht: (2026)

Beyond the Answer: Decoding the Behavior of LLMs as Scientific Reasoners
von: Pandey, Rohan, et al.
Veröffentlicht: (2026)

Crystal-KV: Efficient KV Cache Management for Chain-of-Thought LLMs via Answer-First Principle
von: Wang, Zihan, et al.
Veröffentlicht: (2026)

Improving Detection of Rare Nodes in Hierarchical Multi-Label Learning
von: Xu, Isaac, et al.
Veröffentlicht: (2026)

SR-Reward: Taking The Path More Traveled
von: Azad, Seyed Mahdi B., et al.
Veröffentlicht: (2025)

Rewarding the Journey, Not Just the Destination: A Composite Path and Answer Self-Scoring Reward Mechanism for Test-Time Reinforcement Learning
von: Xing, Jingyu, et al.
Veröffentlicht: (2025)