基于大语言模型的自动路由求解器
人工智能
2025-05-20 v3 计算与语言
摘要
现实中的车辆路径问题(vehicle routing problems, VRPs)具有多种实际约束，使得手动设计求解器既知识密集又耗时。尽管越来越多的研究关注自动化路由算法设计，但现有研究仅探索了有限的VRP变体，未充分解决实际情境中常见的复杂约束。为填补这一空白，本文引入了RoutBench，即由24个属性衍生出1000个VRP变体的基准，用于评估自动路由求解器处理复杂约束的有效性。同时，本文提出了自动路由求解器(Automatic Routing Solver, ARS)，其采用大语言模型(LLM)代理，通过根据问题描述和从数据库中选取的若干典型约束，自动生成具有约束感知性的启发式代码，以增强底层算法框架。我们的实验表明，ARS在解决常见VRP方面优于最先进的LLM-based方法和常用求解器，自动求解91.67%的常见VRP，并在所有基准测试中实现至少30%的改进。
引用
@article{arxiv.2502.15359,
title = {ARS: Automatic Routing Solver with Large Language Models},
author = {Kai Li and Fei Liu and Zhenkun Wang and Xialiang Tong and Xiongwei Han and Mingxuan Yuan and Qingfu Zhang},
journal= {arXiv preprint arXiv:2502.15359},
year = {2025}
}
备注
Authorship is under discussion; arXiv release will follow finalization