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