研究人员开发了QDEvo，一个新颖的多目标框架，它结合了质量-多样性优化和大型语言模型（LLM），用于自动化启发式设计。该框架通过预训练的代码嵌入和分层自我反思，维持算法的多样化种群，从而解决了现有方法中的模式崩溃问题。实验表明，QDEvo在关键指标上超越了当前最先进的方法，能够为复杂的优化问题创建高性能、高效且语义多样的启发式方法。 AI
影响 该框架可能为各行各业的复杂优化问题带来更高效、更多样化的解决方案。
排序理由 该集群描述了一篇详细介绍自动化启发式设计新颖框架的研究论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.11916v1 Announce Type: cross Abstract: The integration of Large Language Models (LLMs) with evolutionary computation has emerged as a powerful paradigm for automated heuristic design in combinatorial optimization. However, existing approaches suffer from mode collapse,…
The integration of Large Language Models (LLMs) with evolutionary computation has emerged as a powerful paradigm for automated heuristic design in combinatorial optimization. However, existing approaches suffer from mode collapse, converging to homogeneous populations that lack s…