arXiv 论文提出 PRS 框架，用多方向搜索自动设计启发式算法
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇提交到 arXiv 的论文提出多方向扰动-重写搜索框架 PRS，用于让大模型自动设计 NP 难组合优化问题的启发式算法。作者指出，现有方法多依赖进化计算框架，启发式的多样化主要靠类进化算子或下游选择实现，而启发式变换的方向本身没有被利用。PRS 在生成层面把启发式变换拆成三个方向：向更丰富、表达力更强的设计扩展，向更简单、更少特化的设计压缩，以及细粒度精修引导。候选探索由广度优先搜索组织，并配有自适应算子控制。论文称在多种组合优化任务上，PRS 能稳定找到高质量启发式。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载问题出在变换方向
论文关注的是用大语言模型自动为 NP 难组合优化任务设计启发式算法。作者认为，近期这类工作大多建立在进化计算框架之上，启发式的多样化主要来自类进化算子或下游选择环节，而启发式在改写过程中朝哪个方向变化，基本没有被显式利用。PRS 的切入点就是把这一维度单独拿出来，在生成阶段就规定变换方向，而不是等候选生成后再靠选择筛出多样性。
三个方向与搜索组织
PRS 把启发式变换拆成三个互补方向：扩展，指向更丰富、表达力更强的设计；压缩，指向更简单、更少特化的设计；引导，用于细粒度精修。三者合起来，目的是让搜索覆盖设计空间中更广、更持续的区域。在候选探索的组织上，PRS 采用基于广度优先搜索的流程，并配合自适应算子控制，论文称这一安排能保证候选被充分利用、探索得以持续，同时维持较强的搜索动态并避免过早收敛。
实验与篇幅
论文报告在多种组合优化任务上的实验结果显示，PRS 能稳定找到高质量启发式，作者据此说明显式方向性探索设计的有效性与通用性。全文共 46 页、9 张图、19 张表，其中含参考文献的主文为 13 页，其余为附录。材料未给出具体任务名称、对比基线以及量化提升幅度，因此无法判断相对已有方法的改进大小。
为什么值得看
把「往哪个方向改启发式」变成可搜索的显式维度，是 LLM 自动算法设计的一条新思路，做组合优化与自动启发式设计的人可关…
大模型论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。