用于自动优化的代理架构与可解释推理的协同进化

针对大语言模型在运筹学自动化中受限于手工设计流程的问题，本文提出 EvoOR-Agent，一种协同进化框架。该框架将代理工作流表示为边活动网络，通过图介导的路径条件重组、多粒度语义变异及精英种群更新，协同进化代理架构与推理个体。结合知识库辅助的经验获取模块，该方法在异构基准测试中显著优于零样本模型及固定流水线代理，实现了自适应且可解释的自动优化。