TIDE：基于调参集成的动态演化框架用于LLM驱动的自动启发式设计
人工智能
2026-02-10 v2
摘要
尽管大型语言模型（LLM）已推动了自动启发式设计，但将算法演化视为单一文本生成任务的做法忽略了离散算法结构与连续数值参数之间的耦合。因此，现有方法常因参数未校准而丢弃有前景的算法，或因简单相似度度量标准而导致早期收敛。为此，我们提出TIDE（Tuning-Integrated Dynamic Evolution），一个设计用于解耦结构推理与参数优化的调参集成动态演化框架。TIDE具有嵌套架构：外层平行岛屿模型利用树形相似度编辑距离驱动结构多样性，内层循环集成LLM驱动的逻辑生成与差分变异算子进行参数调优。此外，还引入基于UCB的调度器，动态优先排序高产提示策略以优化资源分配。跨越九个组合优化问题的大量实验表明，TIDE发现的数 heuristics 在解质量、搜索效率和计算成本方面均显著优于最先进的基线。
引用
@article{arxiv.2601.21239,
title = {TIDE: Tuning-Integrated Dynamic Evolution for LLM-Based Automated Heuristic Design},
author = {Chentong Chen and Mengyuan Zhong and Ye Fan and Jialong Shi and Jianyong Sun},
journal= {arXiv preprint arXiv:2601.21239},
year = {2026}
}