将约束程序转化为局部搜索输入
摘要
本文提出了一种方法，利用对称性质从约束规范中自动生成局部搜索邻域，并在六个优化问题上进行了评估。
arXiv:2605.19671v1 Announce Type: new
摘要：将局部搜索算法应用于组合优化问题并非易事。通常需要人工干预，将约束编译为某种元启发式算法的输入数据。本文建立了约束优化问题的对称性质与局部搜索邻域之间的联系，并利用这一联系在IDP系统的上下文中从约束规范自动生成邻域。我们对六个经典优化问题所获得的邻域进行了评估。观察结果支持了该技术的可行性。
相似文章
并行连续局部搜索研究
本文研究针对具有伪布尔约束的布尔可满足性问题的并行连续局部搜索（CLS），发现冗余约束会抑制收敛，且CLS在混合设置中作为子求解器具有潜力。
# 超越目标等价性：基于LLM的车辆路径问题优化建模中的约束注入
北京航空航天大学与百度的研究人员提出"约束注入"方法——一种用于基于 LLM 的优化建模的双重验证机制，能够检测超出目标等价性范围的虚假约束或遗漏约束。他们开发了 VRPCoder，这是一个 80 亿参数的模型，专门用于将自然语言描述的车辆路径问题转化为 Gurobi 脚本，平均 Pass@1 达到 93%，大幅超越 Claude Sonnet 及此前的运筹学 LLM。
一种用于LLM驱动优化中解耦结构与参数的混合嵌套框架
本文提出了一种混合嵌套搜索框架，在LLM驱动的进化优化中，将结构草图（由LLM生成）与数值参数优化（由CMA-ES等传统求解器完成）解耦，并在元优化、基于代码的策略和贝叶斯推断任务中进行了验证。
为强化学习内容生成器学习局部约束
本文提出了一种混合方法，将波函数坍缩（WFC）与强化学习相结合，利用WFC约束引导强化学习智能体，生成既视觉满意又可玩的游戏关卡。
潜在启发式搜索：自动化算法设计的连续优化
本文提出潜在启发式搜索（LHS）框架，将启发式发现转移到学习的连续潜在流形上，利用基于梯度的优化和归一化流，在大语言模型条件下生成新颖启发式算法，在TSP、CVRP、KSP和在线装箱问题上取得了有竞争力的结果。