研究人员推出了一种新框架 ES-AHD，该框架将演化策略（ES）与大型语言模型（LLM）驱动的自动启发式设计（AHD）相结合。该方法旨在克服传统进化方法的局限性，这些方法通常存在盲目搜索以及探索与利用不平衡的问题。ES-AHD 通过 LLM 进行语义重组，从表现最佳的个体中提取见解，比随机变异更有效地指导搜索方向。此外，通过温度采样进行的随机协方差自适应通过调整 LLM 的采样温度来动态管理探索-利用困境，在微观层面优化搜索，同时允许偶尔跳出局部最优。 AI
影响 该框架通过提高 LLM 驱动设计中的搜索效率，有望加速高质量启发式算法的生成。
排序理由 该集群描述了在 arXiv 的一篇学术论文中提出的一个新颖框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.00023v1 Announce Type: cross Abstract: In this paper, we introduce ES-AHD, a novel framework that fundamentally integrates Evolution Strategy (ES) into Large Language Model (LLM)-driven Automatic Heuristic Design (AHD). Existing evolutionary approaches predominantly re…
In this paper, we introduce ES-AHD, a novel framework that fundamentally integrates Evolution Strategy (ES) into Large Language Model (LLM)-driven Automatic Heuristic Design (AHD). Existing evolutionary approaches predominantly rely on random, individual-level mutation, leading t…