LLM Evolutionary Search Constraint Programming Model Reformulation Optimization
摘要

针对组合优化问题中约束模型求解决策敏感导致效率低下的问题,本文研究利用大语言模型(LLM)自动化执行面向性能模型的重构。受自动启发式设计启发,提出一种进化框架:LLM 生成候选重构方案,经验证并与基准对比。为解决现有策略缺乏多样性问题,引入剖面多样性保留机制,利用最大边缘相关性筛选行为多样的尝试。实验表明,迭代重构能显著提升泛化速度,且多样性保留策略优于仅保留近期或最快结果的方法。

AI 推荐理由

论文核心提出基于 LLM 的进化框架,通过迭代重构实现模型自我优化与性能提升。

研究机构
DTAI, KU Leuven, Belgium University of Western Macedonia, Greece
论文信息
作者 Kostis Michailidis, Dimos Tsouros, Nguyen Dang, Tias Guns
发布日期 2026-07-30
arXiv ID 2607.28268
相关性评分 9/10 (高度相关)