大模型赋能智能优化算法研究进展综述OA
针对传统智能优化算法在面对超大规模问题时存在的专家依赖性强、计算成本高和动态适应性差等局限性,综述了大语言模型(LLM)赋能智能优化算法的研究进展.首先,梳理了LLM在生成初始解构造策略、搜索算子、解的估计方法以及构造完整智能优化算法等环节的主要方法;其次,剖析了LLM作为代理直接参与优化过程,生成初始解、邻域解、端到端地生成解以及代理解的估计方法的工作原理与面临的挑战;在此基础上,综述了LLM赋能的智能优化方法在经典优化问题及行业实践中的应用情况;最后,讨论了当前研究在计算效率、跨领域泛化及处理复杂约束时的语义保真度等方面的局限性,并指出构建统一语义建模框架、研究解空间语义压缩技术、共建开源评估体系及探索算法演进机制等未来研究方向.
李婕;杜永浩;姚锋;陈盈果;郭雅萍
国防科技大学系统工程学院,湖南长沙410073国防科技大学系统工程学院,湖南长沙410073国防科技大学系统工程学院,湖南长沙410073国防科技大学系统工程学院,湖南长沙410073装备项目管理中心,北京100064
信息技术与安全科学
大语言模型赋能智能优化算法组件生成代理智能优化求解语义驱动生成进化-语言协同优化大规模优化问题
《控制理论与应用》 2026 (7)
P.1419-1429,11
国家自然科学基金项目(72201272)中国科协青年人才托举工程项目(2023-JCJQ-QT-042)湖南省科技创新计划资助项目(2025RC3111)资助.
评论