BEAM：LLM駆動のヒューリスティック設計のためのバイレベル・メモリ適応型アルゴリズム的進化
arXiv cs.AI / 2026/4/15
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、単一関数の最適化を超えてLLMベースのハイパーヒューリスティック設計を改善するために、それをバイレベル最適化として定式化するBEAM（Bi-level Memory-adaptive Algorithmic Evolution）を提案する。
- BEAMは、関数のプレースホルダを持つ高レベルなアルゴリズム構造を進化させるための外側の遺伝的アルゴリズム層と、そのプレースホルダを埋めて候補となるソルバを実現する内側のモンテカルロ木探索層を用いる。
- ヒューリスティック設計プロセス中のより複雑なコード生成を支えるために、Adaptive Memoryモジュールが追加される。
- より良い評価と生成を可能にするために、著者らはKnowledge Augmentation（KA）パイプラインを提案し、ゼロから始める、またはコードテンプレートのみから始めることはLHHの性能を制限すると論じている。
- 複数の最適化問題にわたる実験により、BEAMは従来のLHHよりも大幅に良い結果を示す。例えば、CVRPのハイブリッドアルゴリズム設計において最適性ギャップを37.84%削減し、またKaMISに対してMaximum Independent Set（MIS）タスクで新たな性能を達成している。
