实体
NP-hard problems
NP-hard problems
PulseAugur coverage of NP-hard problems — every cluster mentioning NP-hard problems across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法为NP难问题生成难题
研究人员开发了一种新颖的方法来生成优化问题的挑战性实例，将实例创建本身视为一项优化任务。该方法使用黑盒优化器来搜索最大化求解器运行时间的实例，仅需要求解器、实例编码器和计算预算。该方法成功应用于四个NP难问题，包括可满足性问题和旅行商问题，生成的实例比随机抽样生成的实例难得多，并且与精心挑选的基准集相当。
-
大语言模型使用自导式推理修复车辆路径问题中的错误
研究人员开发了一个用于大语言模型（LLMs）的自导式推理框架，以诊断和纠正车辆路径问题（VRPs）中的错误。该框架使LLMs能够自主生成代码，提供结构化见解以提高错误检测的准确性，这对于数据常包含故障的实际应用至关重要。实验表明，该方法在识别和纠正VRP实例中的错误方面达到了近乎完美的准确率。
-
LLMs 使用 ATLAS 框架从头开始合成算法 · 跟踪 2 个来源
研究人员开发了 ATLAS，一个使用大型语言模型 (LLM) 进行无支架算法合成的新颖框架。与先前在固定结构内进行优化的方法不同，ATLAS 允许 LLM 为组合优化问题自由选择和重构组件及控制流。该系统采用错误检测、修复和基于相似性的存档管理来处理扩大的搜索空间并防止过早收敛。在四个 NP-hard 问题上，ATLAS 的性能优于现有的组件合成方法和基线全合成方法，同时与人类设计的算法相比仍具有竞争力。