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
# 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。
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。
开发全幺模线性规划用于最优一致性检查:何时及为何它补充A*
本文介绍了一种基于对齐的全幺模线性规划重构方法,用于一致性检查。该方法通过为具有偏差的长轨迹提供加速,补充了A*搜索。该方法实现了平均38.6%的运行时间节省,选择准确率达到96%。
优化器设计的对称兼容原则:嵌入层、语言模型头、SwiGLU MLP 和 MoE 路由器
研究人员提出了对称兼容优化器,这些优化器尊重神经网络参数的等变性结构,相比 Adam 等传统方法提高了训练稳定性和性能。该方法在多种语言模型架构上得到验证,包括 Qwen3-0.6B、Gemma 3 1B 和 OLMoE-1B-7B。