arXiv cs.AI· Jianghan Zhu, Cong Zhang, Ni Zhang, Yifan Yang, Yew Soon Ong, Zhiguang Cao·· 13 小时前AI 评分31
HEMO：让自动算子设计的 harness 自身自进化，用于多目标组合优化
HEMO: Harness Self-Evolution for Multi-Objective Combinatorial Optimization
AI 导读
HEMO 将自动算子设计（AOD）的 harness 本身变为自进化优化目标，通过持久化 harness 状态并逐模块更新，改写经验检索、算子改进、父代选择与搜索步骤编排的逻辑。
正文 · AI 翻译
摘要：自动算子设计（AOD）越来越多地采用大语言模型（LLM）来为多目标组合优化（MOCO）生成针对特定问题的搜索与变异算子。然而，大多数方法在演化算子的同时，却让发现这些算子的过程保持不变。这限制了适应性，因为新的帕累托权衡和算子交互会改变搜索应当推进的位置和方式。我们提出 HEMO，它让 AOD 的 harness 本身成为一个自演化的优化目标。HEMO 维护一个持久的 harness 状态，并一次更新一个模块，修订决定检索哪些经验、改进哪些算子、选择哪些父代以及如何组织搜索步骤编排的逻辑。下游解的质量和运行时间指导这些更新，而折扣 UCB 调度器则在模块效用变化时把适应导向有前景的模块。持久化内存文件系统跨 harness 状态保存候选结果和诊断反馈，使后续状态能够建立在累积的优化经验之上。在八个 MOCO 任务和两个结构不同的进化骨干上的实验表明，该方法相对于传统进化、神经网络和基于 LLM 的 AOD 基线均表现出强劲性能，并能有效迁移到相关任务。HEMO 将自动算子设计从演化单个算子扩展到改进发现这些算子的搜索过程。
| 评论： | 48 页，含补充材料；5 幅图和 13 张表 |
| 主题： | 神经与进化计算（cs.NE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.40023 [cs.NE] |
| （或 arXiv:2610.40023v1 [cs.NE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40023 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jianghan Zhu [查看邮箱]
[v1]
2026 年 10 月 29 日星期四 13:32:00 UTC（3,909 KB）
来源：arXiv cs.AI · arxiv.org