研究人员推出MuEvo，一个旨在为组合优化问题演化启发式集成的新颖框架。这种LLM驱动的方法通过整合动态组件管理和协同进化策略，解决了单一启发式优化的局限性。MuEvo利用多集成评估和跨组件信息共享来优化多个相互作用的组件，其性能优于现有的LLM-AHD方法的多个组件扩展。 AI
影响 该框架可以通过利用LLM进行启发式设计，来提高解决复杂组合优化问题的效率和有效性。
排序理由 该集群包含一篇详细介绍启发式集成演化新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- Adaptive Budget Allocation
- ant colony optimization algorithms
- arXiv
- Cross-Component Information Sharing
- Dynamic Component Management
- LLM-AHD
- LLM-Driven Co-Evolution
- Multi-Ensemble Evaluation
- Relation-Guided Pair Evolution
- selection hyper-heuristics
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
