論文の概要: VRPAgent: LLM-Driven Discovery of Heuristic Operators for Vehicle Routing Problems

• arxiv url: http://arxiv.org/abs/2510.07073v1
• Date: Wed, 08 Oct 2025 14:35:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.561093
• Title: VRPAgent: LLM-Driven Discovery of Heuristic Operators for Vehicle Routing Problems
• Title（参考訳）: VRPAgent: 車両ルーティング問題に対するLLM駆動型ヒューリスティック演算子の発見
• Authors: André Hottung, Federico Berto, Chuanbo Hua, Nayeli Gast Zepeda, Daniel Wetzel, Michael Römer, Haoran Ye, Davide Zago, Michael Poli, Stefano Massaroli, Jinkyoo Park, Kevin Tierney,
• Abstract要約: 大規模言語モデル(LLM)ベースのコード生成は、最近多くのドメインで約束されているが、それでも人間の専門家に匹敵する直感を生み出すには至っていない。 本稿では, LLM生成部品をメタヒューリスティックに組み込んだVRPAgentを提案する。
• 参考スコア（独自算出の注目度）: 37.01295530448601
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing high-performing heuristics for vehicle routing problems (VRPs) is a complex task that requires both intuition and deep domain knowledge. Large language model (LLM)-based code generation has recently shown promise across many domains, but it still falls short of producing heuristics that rival those crafted by human experts. In this paper, we propose VRPAgent, a framework that integrates LLM-generated components into a metaheuristic and refines them through a novel genetic search. By using the LLM to generate problem-specific operators, embedded within a generic metaheuristic framework, VRPAgent keeps tasks manageable, guarantees correctness, and still enables the discovery of novel and powerful strategies. Across multiple problems, including the capacitated VRP, the VRP with time windows, and the prize-collecting VRP, our method discovers heuristic operators that outperform handcrafted methods and recent learning-based approaches while requiring only a single CPU core. To our knowledge, \VRPAgent is the first LLM-based paradigm to advance the state-of-the-art in VRPs, highlighting a promising future for automated heuristics discovery.
• Abstract（参考訳）: 車両ルーティング問題(VRP)のための高性能ヒューリスティック設計は、直観と深いドメイン知識の両方を必要とする複雑な作業である。 大規模言語モデル(LLM)ベースのコード生成は、最近、多くのドメインで約束されているが、それでも人間の専門家が作り出したものと競合するヒューリスティックなものを生み出すには至っていない。 本稿では, LLM生成部品をメタヒューリスティックに組み込んだVRPAgentを提案する。 LLMを使用して、一般的なメタヒューリスティックフレームワークに埋め込まれた問題固有の演算子を生成することで、VRPAgentはタスクを管理し、正確性を保証し、新規で強力な戦略の発見を可能にする。 コンデンサ付きVRP,時間窓付きVRP,入賞VRPなど,複数の問題に対して,手作りの手法や最近の学習ベースアプローチよりも優れたヒューリスティックな演算子を発見し,CPUコアを1つだけ必要としている。 われわれの知る限り、VRPAgentはVRPの最先端を推し進める最初のLCMベースのパラダイムであり、自動ヒューリスティックス発見の有望な未来を強調している。

関連論文リスト

• Experience-Guided Reflective Co-Evolution of Prompts and Heuristics for Automatic Algorithm Design [124.54166764570972]
  組合せ最適化問題は伝統的に手作りのアルゴリズムで取り組まれている。 最近の進歩は、大規模言語モデルによる自動設計の可能性を強調している。 本稿では,自動アルゴリズム設計のためのPmpt and Heuristics (EvoPH) を用いた経験進化的リフレクティブ・ガイドを提案する。
  論文  参考訳（メタデータ） (2025-09-29T09:24:09Z)
• WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning [73.91893534088798]
  WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。 我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。 WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回る。
  論文  参考訳（メタデータ） (2025-09-16T17:57:03Z)
• Re-evaluating LLM-based Heuristic Search: A Case Study on the 3D Packing Problem [3.473102563471572]
  大規模言語モデルは、検索のためのコードを生成することができるが、そのアプリケーションは、ヒューマンクラフトフレームワーク内の単純な機能を調整することに限定されている。 制約付き3Dパッキング問題に対する完全解法の構築をLCMで行う。 この結果から,現在のLLMによる自動設計における2つの大きな障壁が浮かび上がっている。
  論文  参考訳（メタデータ） (2025-09-02T13:18:47Z)
• Lifelong Learner: Discovering Versatile Neural Solvers for Vehicle Routing Problems [29.57042055083142]
  本稿では,異なる文脈でVRPを管理するために,ニューラルソルバを漸進的に訓練する,新しい生涯学習フレームワークを提案する。 LL内では、先行するVRPの解法から得られた知識を次のものに伝達する、コンテキスト間自己認識機構が提案されている。 我々のLLは、様々な状況下で一般的なVRPに対処するための効果的なポリシーを発見することができ、他のニューラルネットワークよりも優れ、ほとんどのVRPにとって最高のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2025-08-08T16:54:43Z)
• Automatic LLM Red Teaming [18.044879441434432]
  我々は、AIを戦略的に破壊するように訓練する、新しいパラダイムを提案する。 生成エージェントは、きめ細かいトークンレベルのハーネス報酬を通じて、コヒーレントで多ターン攻撃戦略を学習する。 このアプローチは、ダイナミックな軌道ベースのプロセスとして、新しい最先端、根本的にリフレーミングなレッドチームを設定する。
  論文  参考訳（メタデータ） (2025-08-06T13:52:00Z)
• A Survey on Code Generation with LLM-based Agents [61.474191493322415]
  大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。 LLMは3つのコア特徴によって特徴づけられる。 本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
  論文  参考訳（メタデータ） (2025-07-31T18:17:36Z)
• RALLY: Role-Adaptive LLM-Driven Yoked Navigation for Agentic UAV Swarms [17.931091064654904]
  役割適応型LCM駆動ヨードナビゲーションアルゴリズムをアラリカルに開発する。 RALLYは構造化自然言語を用いて効率的な意味コミュニケーションと協調推論を行う。 実験の結果, タスクカバレッジ, 収束速度, 一般化の点で, 従来手法よりも有意な性能を示した。
  論文  参考訳（メタデータ） (2025-07-02T05:44:17Z)
• Reflective Planning: Vision-Language Models for Multi-Stage Long-Horizon Robotic Manipulation [90.00687889213991]
  複雑な長距離ロボット操作問題を解決するには、高度な高レベルの計画能力が必要である。 インターネット上で事前訓練された視覚言語モデル(VLM)は、原則としてそのような問題に対処するためのフレームワークを提供する。 本稿では,多段階操作タスクにおけるVLMの物理推論能力を高める新しいテストタイムフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-23T20:42:15Z)

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。