論文の概要: AutoPBO: LLM-powered Optimization for Local Search PBO Solvers

• arxiv url: http://arxiv.org/abs/2509.04007v1
• Date: Thu, 04 Sep 2025 08:38:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.101811
• Title: AutoPBO: LLM-powered Optimization for Local Search PBO Solvers
• Title（参考訳）: AutoPBO: LLMを利用したローカルサーチPBOソリューションの最適化
• Authors: Jinyuan Li, Yi Chu, Yiwen Sun, Mengchuan Zou, Shaowei Cai,
• Abstract要約: 本稿では,PBOローカルサーチソルを自動拡張する新しいLLMフレームワークであるAutoPBOを紹介する。 我々は、ローカル検索PBOソルバのNuPBOとOlaSLS、2つの完全PBソルバのPBO-IHSとRoundingSat、2つの混合整数プログラミングソルバのGurobiとSCIPを含む6つの最先端の競合と比較した。
• 参考スコア（独自算出の注目度）: 10.406794196499684
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pseudo-Boolean Optimization (PBO) provides a powerful framework for modeling combinatorial problems through pseudo-Boolean (PB) constraints. Local search solvers have shown excellent performance in PBO solving, and their efficiency is highly dependent on their internal heuristics to guide the search. Still, their design often requires significant expert effort and manual tuning in practice. While Large Language Models (LLMs) have demonstrated potential in automating algorithm design, their application to optimizing PBO solvers remains unexplored. In this work, we introduce AutoPBO, a novel LLM-powered framework to automatically enhance PBO local search solvers. We conduct experiments on a broad range of four public benchmarks, including one real-world benchmark, a benchmark from PB competition, an integer linear programming optimization benchmark, and a crafted combinatorial benchmark, to evaluate the performance improvement achieved by AutoPBO and compare it with six state-of-the-art competitors, including two local search PBO solvers NuPBO and OraSLS, two complete PB solvers PBO-IHS and RoundingSat, and two mixed integer programming (MIP) solvers Gurobi and SCIP. AutoPBO demonstrates significant improvements over previous local search approaches, while maintaining competitive performance compared to state-of-the-art competitors. The results suggest that AutoPBO offers a promising approach to automating local search solver design.
• Abstract（参考訳）: PBO(Pseudo-Boolean Optimization)は、擬似ブール(PB)制約を通じて組合せ問題をモデル化するための強力なフレームワークを提供する。 局所探索解法はPBO解法において優れた性能を示しており、その効率は探索を導くための内部ヒューリスティックに大きく依存している。 それでも、彼らの設計は、実際は、かなりの専門的な努力と手動のチューニングを必要とすることが多い。 LLM(Large Language Models)はアルゴリズム設計の自動化の可能性を示したが、PBOソルバの最適化への応用は未検討のままである。 本稿では,PBOローカルサーチソルを自動拡張する新しいLLMフレームワークであるAutoPBOを紹介する。 1つの実世界ベンチマーク、PBコンペティションからのベンチマーク、整数線形プログラミング最適化ベンチマーク、および人工組合せベンチマークを含む4つの公開ベンチマークで実験を行い、AutoPBOが達成した性能改善を評価し、2つの局所探索PBOソルバであるNuPBOとOlaSLS、完全なPBソルバであるPBO-IHSとRoundingSat、および2つの混合整数プログラミング(MIP)ソルバであるGurobiとSCIPと比較した。 AutoPBOは、最先端の競合に比べて競争力を維持しながら、従来のローカル検索アプローチよりも大幅に改善されている。 結果から,AutoPBOは局所探索解法設計の自動化に有望なアプローチを提供することが示された。

関連論文リスト

• TreePO: Bridging the Gap of Policy Optimization and Efficacy and Inference Efficiency with Heuristic Tree-based Modeling [65.46347858249295]
  TreePOは自己誘導型ロールアウトアルゴリズムで、シーケンス生成を木構造検索プロセスとして見る。 TreePOは基本的に、探索の多様性を保存または強化しながら、更新毎の計算負担を削減します。
  論文  参考訳（メタデータ） (2025-08-24T16:52:37Z)
• Dynamic Parallel Tree Search for Efficient LLM Reasoning [102.16694475391665]
  Tree of Thoughts (ToT) は大規模言語モデル(LLM)推論を強化し、分散木としての問題解決を構造化する。 推論における推論経路を動的に最適化することを目的とした,新しい並列化フレームワークであるDynamic Parallel Tree Search (DPTS)を提案する。 Qwen-2.5とLlama-3のMath500とGSM8Kデータセットによる実験では、DPTSは平均で2-4倍効率が向上した。
  論文  参考訳（メタデータ） (2025-02-22T14:13:37Z)
• LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
  このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。 このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-03T18:12:29Z)
• ParLS-PBO: A Parallel Local Search Solver for Pseudo Boolean Optimization [14.371138535749036]
  PBOの代表的なローカルサーチソルバはLSPBOである。 動的スコアリング機構によりLSPBOを改良し、ハード制約のスコアと目標関数のスコアのバランスを動的に調整する。 この改良されたLSPBOの上に,最初の並列局所探索PBOソルバを開発した。
  論文  参考訳（メタデータ） (2024-07-31T16:30:04Z)
• Poisson Process for Bayesian Optimization [126.51200593377739]
  本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。 従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
  論文  参考訳（メタデータ） (2024-02-05T02:54:50Z)
• DeciLS-PBO: an Effective Local Search Method for Pseudo-Boolean Optimization [10.513103815142731]
  PBO(Pseudo-Boolean Optimization)の解法における局所探索アルゴリズムの改良法について検討する。 我々のアルゴリズムであるDeciLS-PBOは最先端のアルゴリズムと比較して有望な性能を持つ。
  論文  参考訳（メタデータ） (2023-01-28T17:03:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。