学习通过改进代码来解决和优化

组合和优化问题是许多工业人工智能应用的基础。解决此类问题的大规模现实实例通常需要仔细的问题形式化、专门的求解器和专家设计的启发式方法。因此，专家不仅需要指定解决方案是什么，还需要指定它们是如何得出的。通过引入 CHECKMATE 工具，我们表明通过代码演化生成算法代表了一种范式转变，无需制定方法。 CHECKMATE 完全依赖于内容。具体来说，正式规范确保解决方案的正确性，并能够对生成的程序进行系统性能评估，而自然语言描述则指导进化过程。我们的方法的有效性在两个工业领域的选定问题上得到了证明：配置和调度。在所有情况下，进化算法的性能始终优于最先进的求解器。这强调了形式化方法在指导代码演化以自动解决复杂的现实问题方面的潜力。