论文
TIDE：面向基于LLM的自动启发式设计的调参集成动态进化
TIDE: Tuning-Integrated Dynamic Evolution for LLM-Based Automated Heuristic Design
摘要
虽然大语言模型推进了自动启发式设计（AHD），但将算法进化视为单体文本生成任务，忽视了离散算法结构与连续数值参数之间的耦合。因此，现有方法常因未校准的常数丢弃有前景的算法，并因简单相似度度量而遭受过早收敛。为解决这些局限，我们提出TIDE，一个调参集成动态进化框架，旨在将结构推理与参数优化解耦。TIDE具有嵌套架构：外层并行岛屿模型利用树相似度编辑距离驱动结构多样性，内层循环将基于LLM的逻辑生成与差分变异算子集成以进行参数调优。此外，基于UCB的调度器动态优先高产出提示策略以优化资源分配。跨九个组合优化问题的大量实验表明，TIDE发现的启发式在解质量上显著优于最先进基线，同时实现更高的搜索效率和更低的计算成本。
