通过 LLM 驱动的自动化 Heuristic 设计提升 CVRP 求解器性能
人工智能
2026-02-27 v1
摘要
载运能力车辆路径问题 (CVRP) 是一个以车辆载运能力约束为核心的组合优化挑战。尽管在运营研究中广泛研究，但 CVRP 的 NP-hard 性质仍在大规模实例中造成显著计算挑战。本研究提出了 AILS-AHD (自适应局部搜索结合自动化 Heuristic 设计)，一种创新方法，利用大型语言模型 (LLM) 彻底变革 CVRP 求解。我们的 methodology 将演化搜索框架与 LLM 集成，以动态生成和优化 AILS 方法中的毁坏 Heuristic。此外，我们引入了 LLM 基于的加速机制以提升计算效率。针对 state-of-the-art 求解器（包括 AILS-II 和 HGS）进行了全面的实验评估，结果表明 AILS-AHD 在中等规模和大规模实例中均表现卓越。值得注意的是，我们的 approach 在 CVRPLib 大规模基准中建立了 8 个新最佳已知解，凸显了 LLM 驱动的 Heuristic 设计在车辆路径优化领域的潜力。
引用
@article{arxiv.2602.23092,
title = {Enhancing CVRP Solver through LLM-driven Automatic Heuristic Design},
author = {Zhuoliang Xie and Fei Liu and Zhenkun Wang and Qingfu Zhang},
journal= {arXiv preprint arXiv:2602.23092},
year = {2026}
}