arXiv cs.MA· Yuqing Cheng, Yan Jia, Yanjie Song, Xiaolu Liu, Lining Xing, Feng Yao·· 3 天前AI 评分22
CIPHEUR：LLM 引导的结构化搜索控制用于冲突图优化
CIPHEUR: LLM-Guided Structural Search Control for Conflict-Graph Optimization
AI 导读
CIPHEUR 是一个 LLM 引导的框架，通过结构化干预单元（SIU）将冲突证据与协调干预及恢复连接，支持离线合成可执行策略与在线上下文决策。在八个卫星-地面调度冲突视图、每视图五次运行、900 秒评估上限下，CIPHEUR-online 在 11 种配置中取得最高平均目标值，平均调度接触时长较贪心基线 GWMIN 提升 14.84%，并在全部 40 次配对运行中优于 CHILS。
正文 · AI 翻译
摘要：当干预措施未能解决阻碍进展的冲突时，冲突图搜索即便拥有有效的算子也可能陷入停滞。一次颠覆性的干预也可能需要进一步搜索才能显现其价值。我们提出 CIPHEUR，一个由大语言模型（LLM）引导的框架，通过结构化干预单元（SIU）将冲突证据与协同干预和恢复相连接。共享控制接口支持可执行策略的离线合成与在线情境决策。异步在线控制在推理期间维持原生搜索，同时所有策略都保留原始目标与可行性约束。在八个星地调度冲突视图上，每个视图运行五次，评估上限为 900 秒，CIPHEUR-online 在 11 种配置中取得最高平均目标值，并将平均已调度接触时长较贪心基线 GWMIN 提升 14.84%。它在八个视图中的七个上超过最强的外部单视图平均值，并在全部 40 次配对运行中优于 CHILS。在相同的运行中，其归一化目标值从 360 秒到 900 秒的改进幅度是两个程序化控制器的 1.50 至 1.86 倍。一个单独冻结、由 LLM 一次性生成的控制器也在无运行时模型调用的情况下将平均目标值提升至超过 CHILS。这些结果共同表明，结构化搜索控制如何将 LLM 的设计知识与情境推理转化为更优的解质量和持续的搜索进展。
| 学科： | 神经与进化计算（cs.NE）；多智能体系统（cs.MA）；系统与控制（eess.SY） |
| 引用为： | arXiv:2610.16158 [cs.NE] |
| （或 arXiv:2610.16158v1 [cs.NE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16158 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Yan Jia [查看电子邮件]
[v1]
2026年10月12日星期一 04:33:11 UTC（1,844 KB）
来源：arXiv cs.MA · arxiv.org