Dream-COP：在经验世界中引导组合优化算法发现

Dream-COP 用历史搜索经验回放学习探索策略，减少搜索请求并提升解质量。

资讯摘要

论文提出 Dream-COP，利用大语言模型迭代生成与评估程序来发现组合优化算法。作者将过往搜索轨迹及结果视为“经验世界”，让策略智能体在其中“做梦”学习可执行策略，以指导发现智能体生成和优化程序。在五个组合优化问题上，该方法在启发式组件设计与完整求解器生成上均优于固定探索策略。

要点速读

1. 论文将历史搜索轨迹与记录结果组织为“经验世界”，通过回放为程序质量和搜索步数提供反馈，用于策略选择。
2. 在五个组合优化问题上，Dream 在启发式组件设计和完整求解器生成两类任务中均优于固定探索。
3. 作者报告：在 KP 上匹配最优值，在 OBPP 上将差距从 2.112% 降至 1.199%，同时搜索请求减少 42.5%；学到的探索策略可跨问题迁移。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。