Automated Heuristic Design Evolutionary Search Routing Problems Bilevel Optimization
摘要

基于大语言模型的自动化启发式设计(AHD)通常在完整实例上评分,难以应对大规模路由问题中局部修复区域的结构差异。本文提出 SpecAHD,一种耦合的双层框架以实现实例内专业化。上层搜索学习如何界定有界的修复区域,下层搜索则针对诱导出的修复任务进化出互补的可执行启发式规则库。下层目标倾向于选择在平均表现优异或能解决当前库薄弱环节的启发式方法。实验表明,该方法在多个路由问题上显著降低了成本,优于现有最强基线。

AI 推荐理由

论文提出双层框架,下层搜索进化启发式规则库,核心在于自我改进与自适应演化机制。

研究机构
School of Mathematics and Statistics, Guangdong University of Technology, China
论文信息
作者 Kezhao Lai, Yutao Lai, Hai-Lin Liu
发布日期 2026-07-26
arXiv ID 2607.23676
相关性评分 9/10 (高度相关)