标签
本文介绍了 AHD Agent，这是一个利用代理强化学习（Agentic Reinforcement Learning）的框架，使大型语言模型（LLMs）能够通过动态交互求解环境，自主地为组合优化问题设计启发式方法。
本文介绍了 HMACE，这是一种异构多智能体协同进化框架，利用大型语言模型（LLM）自动化设计启发式算法，以解决 NP 难组合优化问题。实验表明，在旅行商问题（TSP）和装箱问题（BPP）等任务上，该方法在质量与效率的权衡方面优于单智能体和基准多智能体方法。
本文提出了一种用于空间选区重划的复合移动禁忌搜索算法，在保持连通性约束的同时，提升了求解质量与效率。
介绍了图归一化（Graph Normalization），这是一种用于近似最大权重独立集（MWIS）的可微分动力系统，具有收敛性保证，并应用于结构化稀疏注意力机制和约束优化。