摘要
本文提出一种代理重优化框架，其中大语言模型（LLM）充当运筹学专家，通过自然语言交互支持终端用户。该框架将用户提示转化为底层优化模型的结构化更新，并从工具箱中选择适用的重优化技术以生成可执行方案。工具箱利用原始信息（如历史解、有效不等式）加速计算并保持解的质量。实验表明，该架构显著提升了供应链和考试调度等场景下的计算效率与模型适应性，降低了对专家的依赖。
AI 推荐理由
论文核心在于 Agent 调用优化工具箱技能，动态选择重优化策略解决实际问题。
研究机构
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, USA
Department of Operations and Decision Systems, Université Laval, Quebec, Canada
论文信息