.png){kind=icon}
返回
A Framework for Integrating Large Language Models into Memetic Algorithms
.png){kind=icon}
OA
AI
DOI：10.3390/biomimetics11060383.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
元启发式算法通过结合基于种群的全球搜索与局部细化算子实现强大的优化性能，但其有效性严重依赖于模因的设计与管理。局部搜索策略通常由人工定制、问题特定且在执行前固定。本文提出了一种第四代元启发式框架，其中大型语言模型（LLMs）直接嵌入优化循环中作为局部搜索算子的自适应生成器。在每个触发点，LLM接收编码当前搜索动态的结构化状态向量，并生成一个以可执行Python函数形式呈现的候选模因。生成的算子需经过两阶段验证程序，结合语义相似性评估和实现级比较，确保仅足够新颖且语法正确的算子被纳入动态增长的模因库。冷却调节触发机制平衡周期性和停滞基础生成，而概率加权选择策略优先考虑新生成模因的同时不淘汰先前验证的模因。所提框架在连续黑箱优化的CEC 2017基准测试套件上进行评估，并与经典元启发式算法进行比较。实验结果表明，基于LLM的方法一致优于非LLM元启发式基准，证实了生成式语言模型可作为基于种群的优化中自适应启发式组件的可行性。
Keyword:
memetic algorithms
global optimization
large language models
code generation
algorithm generation
population-based methods
期刊
B
IF:
3.9
论文数:
3.2K
被引数:
5.1K
机构
引用论文
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm蛾焰优化算法: 一种新的自然启发启发式范式
PREAI
分享收藏
The Role of Random Walk-Based Techniques in Enhancing Metaheuristic Optimization Algorithms-A Systematic and Comprehensive Review基于随机游走的技术在增强元启发式优化算法中的作用-系统而全面的评论.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Yu, H.; Liu, J. Deep insights into automated optimization with large language models and evolutionary algorithms. arXiv 2024, arXiv:2410.20848. [Google Scholar] [CrossRef]于, H.; 刘, J. 对基于大型语言模型和进化算法的自动化优化的深入见解. arXiv 2024, arXiv:2410.20848. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏分享收藏Using LLM for Automatic Evolvement of Metaheuristics from Swarm Algorithm SOMA使用LLM从群算法SOMA自动演化元启发式
PREAI
分享收藏Introducing the Fourth Generation of Memetic Algorithms萨哈罗夫, M. 介绍文化基因算法的第四代. 第八届国际科学会议“工业智能信息技术”(IITI’24)会议录, 第2卷, IITI 2024; 网络与系统讲义笔记; Springer: 瑞士楚格, 2024; 第1210卷. [谷歌学术] [CrossRef]
PREAI
分享收藏
查看更多内容