HeurEvo：面向限时数学优化的混合求解器增强启发式Agentic演化

Agentic 启发式设计的最新进展使用人工智能Agent和执行反馈来自动发现具有挑战性的优化问题的算法。在许多实际设置中，必须在严格的运行时限制下获得高质量的解决方案，从而激发了将特定问题的启发式方法与强大的数学编程求解器相结合的混合方法。然而，现有方法通常会改进预定义过程中的启发式组件或单独调整求解器配置。这限制了计算分配位置、如何利用求解器以及如何细化整体算法结构的整体适应。为了解决这些限制，我们提出了 HeurEvo，一个自动化的计划-代码-组件协同进化框架，它共同进化高级算法结构、它们的实现以及可重用组件的共享池。规划器确定要使用哪些算法组件、如何组合它们以及如何跨阶段分配运行时，编码器将生成的计划实现为可执行代码，而组件演化器则更新共享组件池。在基于岛屿的演化框架内，计划和实施与解释Agent的反馈共同演化，解释Agent分析执行结果并识别改进机会。在不同的组合优化基准和具有挑战性的 MIPLIB 实例中，HeurEvo 在紧张的运行时预算内找到了高质量的解决方案，在给定数小时或数天的计算后，通常可以匹配或超越最先进的优化求解器。在一些非线性几何问题（例如六边形堆积）上，它还改进了先前报告的最佳结果。这些结果凸显了联合搜索 Agentic 启发式设计的算法结构和实现的价值。