LLM Combinatorial Optimization Co-evolution Algorithm Portfolio
摘要

针对LLM构建算法组合(LLM-ACP)在复杂组合优化问题中泛化能力差的问题,现有方法依赖高质量参考解且生成模式单一。本文提出潜在感知实例与算法协同进化(PIAC)框架。主要贡献包括:提出“潜在增益”指标,无需参考解即可评估泛化提升潜力;利用LLM合成多样化的实例变异器以探索更广泛的实例空间。在TSP和CVRP上的实验表明,PIAC显著优于基线方法,TSP贪婪构造组合相对提升19.76%。

AI 推荐理由

论文核心在于算法与实例的协同进化框架,直接对应自我进化主题。

研究机构
中国科学技术大学 新加坡国立大学
论文信息
作者 Shaofeng Zhang, Shengcai Liu, Zhiyuan Wang, Ke Tang
发布日期 2026-08-07
arXiv ID 2608.06808
相关性评分 9/10 (高度相关)