MuEvo: Evoluzione Guidata da LLM di Ensemble Euristici Multipli
Un recente articolo su arXiv (2608.03636) presenta un nuovo framework chiamato MuEvo, che utilizza grandi modelli linguistici (LLM) per migliorare gli ensemble euristici per risolvere sfide di ottimizzazione combinatoria. A differenza delle attuali tecniche di progettazione euristica automatizzata basate su LLM (LLM-AHD) che si concentrano sull'ottimizzazione di euristiche individuali, MuEvo affronta l'ottimizzazione di più componenti interconnessi. Il framework integra la Gestione Dinamica dei Componenti, che impiega sondaggi a budget ridotto e un ciclo di vita reversibile per regolare le priorità dei componenti, insieme alla Co-Evoluzione Guidata da LLM, che sincronizza le popolazioni di componenti tramite Valutazione Multi-Ensemble, Condivisione di Informazioni tra Componenti ed Evoluzione Parallela Guidata dalle Relazioni. Questa strategia mira ad affrontare le carenze della semplice estensione dei metodi a euristica singola, come la trascuratezza di componenti con potenziale ritardato e la mancata considerazione delle relazioni tra componenti.
Fatti principali
- MuEvo è un framework guidato da LLM per l'evoluzione di ensemble euristici.
- Affronta la sfida di ottimizzare più componenti interagenti nell'ottimizzazione combinatoria.
- La Gestione Dinamica dei Componenti utilizza sondaggi a budget ridotto e un ciclo di vita reversibile.
- La Co-Evoluzione Guidata da LLM coordina le popolazioni di componenti tramite Valutazione Multi-Ensemble, Condivisione di Informazioni tra Componenti ed Evoluzione Parallela Guidata dalle Relazioni.
- L'articolo è disponibile su arXiv con identificativo 2608.03636.
- È un annuncio di tipo incrociato.
- Il framework mira a superare i limiti dei metodi di ottimizzazione a euristica singola.
- L'approccio combina due componenti principali: Gestione Dinamica dei Componenti e Co-Evoluzione Guidata da LLM.
Entità
Istituzioni
- arXiv