.png){kind=icon}
返回
Large language model-driven evolutionary optimization: A hierarchical interaction framework
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.134167.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出LLDEOF用于控制大语言模型（LLMs）与进化算法（EAs）之间的间歇交互。
• 针对离散和连续搜索设计了语义扰动和相对增量扰动。
• 采用验证、修复、回退和贪心接受机制以提高可靠性。
• 通过0-1背包问题（0-1 KP）、多约束背包问题（MKP）和CEC2020对算法进行评估，并采用配对统计分析。
• 报告了算法的解质量、大语言模型开销、消融实验结果及参数敏感性分析。
Keyword:
Large language models
Evolutionary optimization
LLM-assisted intervention
Particle swarm optimization
Constrained optimization
Knapsack problem
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
查看更多机构
引用论文
暂无论文信息