论文
面向基于LLM启发式发现的博弈论共同演化
Game-Theoretic Co-Evolution for LLM-Based Heuristic Discovery
摘要
大语言模型（LLM）推动了自动启发式发现（AHD）的快速进展，但多数现有方法主要受限于针对固定实例分布的静态评估，导致潜在过拟合以及在分布偏移下的泛化不佳。我们提出算法空间响应预言机（ASRO），一个博弈论框架，把启发式发现重构为求解器与实例生成器之间的程序级共同演化。ASRO将其交互建模为两人零和博弈，在双方维护不断增长的策略池，并通过基于LLM的最优响应预言机对抗混合对手元策略迭代扩展它们，从而用自适应、自生成的课程取代静态评估。跨多个组合优化领域，ASRO持续超越基于相同程序搜索机制构建的静态训练AHD基线，在多样与分布外实例上取得显著更优的泛化与鲁棒性。
