LLM 驱动的双组件耦合组合优化协同进化自动启发式设计

针对现有大语言模型（LLM）在自动启发式设计中难以建模多决策子结构强耦合的问题，本文提出 CoEvo-AHD 框架。该方法利用 LLM 驱动双种群协同进化，通过合作评估机制捕捉路径与选择算子间的交互，并借助配对评分与协同交叉发现互补逻辑。此外，设计了工具调用环境库，将核心操作封装为标准函数，使 LLM 生成的算子能高效调用而非重复实现。实验表明，该方法在旅行小偷问题和旅行采购问题上能自动发现协作启发式组合，取得具有竞争力的解质量。