基于 LLM 辅助灵活蒙特卡洛树搜索的大规模 CVRP 求解器自动设计

针对大规模带容量限制的车辆路径问题（LSCVRP）求解困难且依赖专家经验的现状，本文提出了一种名为 LaF-MCTS 的新框架。该方法利用大语言模型辅助灵活的蒙特卡洛树搜索，通过三层决策层级自动设计分解策略和子求解器。引入语义剪枝消除冗余代码，结合分支再生保持多样性，从而在算法假设空间中高效搜索。实验表明，该框架能自主构建并优化出超越现有最先进水平的求解器。