.png){kind=icon}
返回
Discovering algorithms with computational language processing
.png){kind=icon}
OA
AI
DOI：10.1126/sciadv.aea4216.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种通过引导算法的自然概念化（表示为操作序列的标记）来自动化算法发现的框架。这些计算标记通过语法进行组合，能够形成日益复杂的程序。我们采用由强化学习引导的集成蒙特卡洛树搜索来探索标记组合，并通过字节对编码驱动新标记的创建。该方法能够重新发现、改进并生成新算法，这些算法在强非确定性多项式时间难组合优化问题和基础量子计算方法（如格罗弗算法和量子近似优化算法）上显著优于现有方法。该框架在计算层面而非代码生成层面运行，能够生成针对具体问题实例量身定制的算法，而不仅限于问题类别。