研究人员开发了QDEvo，一个新颖的面向多目标的框架，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。该方法通过使用预训练代码嵌入和分层自我反思机制来维护算法的多样化种群，从而解决了现有方法中的模式崩溃问题。实验表明，QDEvo在超体积（Hypervolume）和倒代距离（Inverted Generational Distance）指标上均优于当前最先进的技术，为复杂的优化挑战产生了高性能、高效且语义多样的启发式方法。 AI
影响 该框架有望为各行业的复杂优化问题带来更高效、更多样化的算法解决方案。
排序理由 该集群包含一篇关于自动化启发式设计新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- arXiv
- Inverted Generational Distance
- large-language models
- Lebesgue measure
- QDEvo
- Quality-Diversity Optimization
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
