LLM生成图用于约束优化，性能超越Gurobi基线

研究人员开发了一种新颖的流程，该流程使用大型语言模型（LLM）为约束优化问题生成与问题无关的图。通过使用语义指南提示LLM，该系统创建了一个图生成器，将MiniZinc实例映射到统一加权图，将决策变量表示为节点，将约束表示为边。这种图表示指导用于变量选择的基于结构的局部改进框架（SLIM）。在20个MiniZinc竞赛问题上的评估显示性能显著提高，LLM引导的方法在平均问题加权胜率上比Gurobi基线提高了39.5%，是最佳单一配置的两倍多。 AI

影响 这项研究展示了LLM在为复杂优化问题生成结构化表示方面的新颖应用，有可能提高依赖于约束满足的领域的效率和自动化。

排序理由 学术论文，详细介绍了使用LLM进行约束优化的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• CatalyzeX
• DagsHub
• Gurobi
• Hugging Face
• LLM
• MiniZinc

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →