Learning Valid Dual Bounds in Constraint Programming: Boosted Lagrangian Decomposition with Self-Supervised Learning

Swann Bessa, Darius Maxime Armand Dabert, Max Bourgeat, Louis-Martin Rousseau et Quentin Cappart

Article de revue (2025)

Un lien externe est disponible pour ce document

Département:	Département de génie informatique et génie logiciel Département de mathématiques et de génie industriel
URL de PolyPublie:	https://publications.polymtl.ca/64489/
Titre de la revue:	Proceedings of the AAAI Conference on Artificial Intelligence (vol. 39, no 11)
Maison d'édition:	Association for the Advancement of Artificial Intelligence
DOI:	10.1609/aaai.v39i11.33208
URL officielle:	https://doi.org/10.1609/aaai.v39i11.33208
Date du dépôt:	14 avr. 2025 09:28
Dernière modification:	14 avr. 2025 09:28

Citer en APA 7:	Bessa, S., Dabert, D. M. A., Bourgeat, M., Rousseau, L.-M., & Cappart, Q. (2025). Learning Valid Dual Bounds in Constraint Programming: Boosted Lagrangian Decomposition with Self-Supervised Learning. Proceedings of the AAAI Conference on Artificial Intelligence, 39(11), 11113-11121. https://doi.org/10.1609/aaai.v39i11.33208
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel