PyVRP+：面向车辆路径问题混合遗传搜索的 LLM 驱动元认知启发式进化

针对 NP 难组合优化问题中元启发式设计困难且依赖人工调优的挑战，本文提出元认知进化编程（MEP）框架。该框架将大语言模型提升为战略发现代理，通过结构化的“推理 - 行动 - 反思”循环，使其能主动诊断失败、构建假设并基于领域知识实施改进，而非仅被动响应性能反馈。应用于车辆路径问题的混合遗传搜索算法演化时，MEP 发现了新型启发式策略，显著优于原始基线，在提升解质量的同时大幅降低运行时间。