研究人员开发了 FormuEvo，这是一个利用 LLM 引导的进化来发现更高效的混合整数规划 (MIP) 公式的创新框架。该方法解决了当前 LLM 的局限性，这些 LLM 通常优先考虑语义正确性而非公式的强度，从而阻碍了求解器的性能。FormuEvo 采用进化优化，使用 LLM 驱动的操作和求解器统计数据进行有针对性的改进，并结合结构化内存以实现可重用策略。实验表明，FormuEvo 的性能显著优于现有方法，将求解器速度提高了 5.5 倍，并展示了跨不同问题和模型规模的有效知识转移。 AI
影响 该框架通过生成更强的 MIP 公式，有可能显著提高运筹学和工业应用中优化求解器的效率。
排序理由 该集群描述了一篇详细介绍使用 LLM 发现高效混合整数规划公式的新颖框架的新研究论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.23353v1 Announce Type: new Abstract: Mixed-integer programming (MIP) lies at the core of operations research and industrial optimization. While large language models (LLMs) have recently shown promise in automated MIP modeling from natural language, they prioritize sem…
Mixed-integer programming (MIP) lies at the core of operations research and industrial optimization. While large language models (LLMs) have recently shown promise in automated MIP modeling from natural language, they prioritize semantic correctness but overlook formulation stren…
Mixed-integer programming (MIP) lies at the core of operations research and industrial optimization. While large language models (LLMs) have recently shown promise in automated MIP modeling from natural language, they prioritize semantic correctness but overlook formulation stren…