LLM-as-HH ：将大型语言模型作为超级启发式算法

LLM-as-HH ：将大型语言模型作为超级启发式算法

LLM-as-HH ReEvo: Large Language Models as Hyper-Heuristics with Reflective Evolution 项目地址: https://gitcode.com/gh_mirrors/ll/LLM-as-HH

项目介绍

LLM-as-HH（Large Language Models as Hyper-Heuristics）项目，是一种革命性的算法框架，它将大型语言模型应用于超级启发式算法中，通过模拟人类专家的反思性设计方法，并结合可扩展的语言模型推理和强大的进化搜索能力，实现了一种超越人类能力的优化技术。

项目技术分析

LLM-as-HH 的核心技术是 Reflective Evolution（ReEvo），它是一个通用的搜索框架，旨在通过以下方式提升启发式算法：

• 最小化人工干预：通过自动生成启发式规则，减少了对领域专家的依赖。
• 开放启发式空间：利用大型语言模型，ReEvo 能够探索广泛的可能性空间，生成多样化的启发式策略。

项目使用了 Reflective Evolution 框架来模拟人类专家的反思性设计过程，通过不断地评估和改进启发式规则，实现了高效的算法优化。

项目及技术应用场景

LLM-as-HH 可用于多种组合优化问题，包括但不限于：

• 旅行商问题（TSP）
• 载车路由问题（CVRP）
• 导航问题（OP）
• 多背包问题（MKP）
• 盒子打包问题（BPP）
• 芯片布局问题（DPP）

这些应用场景覆盖了物流、生产调度、网络设计等多个领域，是优化问题中极具挑战性的问题类型。

项目特点

LLM-as-HH 项目的特点如下：

• 通用性：适用于多种组合优化问题，且可以轻松扩展到新的问题类型。
• 自适应性：通过反思性进化，算法能够自动调整启发式规则，适应不同的优化环境和目标。
• 高效性：利用大型语言模型的强大能力，快速生成和评估启发式策略，提高求解效率。
• 易于集成：可以与现有的优化算法和框架轻松集成，为现有系统带来智能化升级。

如何使用 LLM-as-HH

要使用 LLM-as-HH，您需要：

1. 设置语言模型 API 密钥。
2. 在 ./cfg/problem/ 目录下定义您的问题。
3. 在 ./problems/ 目录下生成问题实例并实现评估管道。
4. 在 ./prompts/ 目录下添加函数描述和签名。

通过这些步骤，您可以轻松地将 LLM-as-HH 应用于您的问题，并利用其强大的搜索能力来找到最优解。

结语

LLM-as-HH 是一个具有广泛应用前景的开源项目，它将大型语言模型的强大能力与启发式搜索相结合，为组合优化问题提供了一个创新的解决方案。无论您是算法研究者还是工业工程师，LLM-as-HH 都能为您的工作带来革命性的改变。立即尝试 LLM-as-HH，开启您的算法优化之旅！

LLM-as-HH ReEvo: Large Language Models as Hyper-Heuristics with Reflective Evolution 项目地址: https://gitcode.com/gh_mirrors/ll/LLM-as-HH