规划 heuristics：结合蒙特卡洦树搜索的大语言模型自主优化 heuristic 的策略规划

heuristic 在解决组合优化问题~(COPs)方面取得了巨大成功。然而，由人类设计的 heuristic 需要过多的领域知识和测试时间。鉴于大语言模型~(LLMs) 拥有涵盖众多领域的知识库，具备强大的理解和生成内容能力，它们为自动优化 heuristic 提供了潜在解决方案。为此，我们提出了规划 heuristic~(PoH)，一种将 LLM 自我反思与蒙特卡洦树搜索相结合的优化方法。PoH 通过评估生成的 heuristic 性能并提供改进建议来迭代细化生成的 heuristic。我们的方法能够迭代评估生成的 heuristic~(状态)，并根据改进建议~(动作)和评估结果~(奖励)进行不断改进，通过有效模拟未来状态来搜索具有更高奖励的路径。本文将 PoH 应用于解决旅行商问题和流车间调度问题。实验结果表明，PoH 超越了手工设计的 heuristic 和其他基于 LLMs 的自动 heuristic 设计方法，尤其在大规模问题中，达到了在 LLMs 中实现自动化 heuristic 优化的国际前沿水平。