RefineEvo：具有双向经验的规划引导启发式​​进化

自动启发式设计 (AHD) 已成为解决组合优化问题的变革性方法。虽然最近基于 大语言模型 (LLM) 的方法已显示出前景，但它们主要依赖于固定的进化算子，并且难以有效积累和重用历史搜索经验。本文提出了RefineEvo，这是一种新颖的进化框架，它将AHD从静态试错过程转变为规划引导、经验驱动的系统。 RefineEvo 引入了一个 Planner 来动态调度进化算子并根据当前搜索状态触发细化，以及一个 Reflector 来将有价值的经验教训提炼到包含积极见解和消极陷阱的双向经验池中。这种协同框架使系统能够调整其搜索工具以适应问题不断变化的复杂性，并利用轨迹感知、情境洞察来指导生成。对几个经典组合优化基准的实验表明，RefineEvo 始终优于强大的基准。特别是，RefineEvo 提供卓越的解决方案质量，同时提高词元效率，实现更高效和自主的启发式设计。