.png){kind=icon}
返回
Illuminating Heuristic Design: Language-Model-Driven Quality-Diversity Evolution for Combinatorial Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/tevc.2026.3721299.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当前使用大型语言模型为组合优化问题演化启发式算法的方法收敛于单个最佳算法或一小套折衷解。当问题分布发生偏移时，这些方法需要昂贵的重新适应且性能下降。本文提出了一种质量多样性进化框架，维护一个结构化的多样化启发式算法档案库，每种算法专门针对特定类别的问题实例。大型语言模型作为进化循环中的变异算子。基于抽象语法树特征的Shapley加性解释在此框架中扮演双重角色：它们引导变异提示进行有效的代码修改，并提取用于组织档案的行为描述符。随后，一个在线选择器为新出现的未知实例检索最佳匹配的启发式算法。我们在静态、扰动、随机和动态条件下对车辆路径、旅行商和作业车间调度问题进行了评估。档案库的覆盖范围提供了对分布偏移的固有鲁棒性，而单启发式基线和神经求解器则显著退化。所得到的启发式算法库是可解释的，因为每个档案单元包含已知特征坐标处的可读代码。
Keyword:
Quality-diversity optimization
automated heuristic design
evolutionary computation
combinatorial optimization
explainable artificial intelligence
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
暂无论文信息