CDEoH: 大規模言語モデルによるカテゴリ駆動型自動アルゴリズム設計

概要: 大規模言語モデル（LLMs）の急速な進展により、LLMベースのヒューリスティック探索手法は自動アルゴリズム生成において高い能力を示してきました。しかし、それらの進化過程はしばしば不安定さと早期収束に悩まされます。既存のアプローチは主にこの問題に対処する手段としてプロンプトエンジニアリングや思考とコードを共同で進化させる方法を取っていますが、アルゴリズムのカテゴリ多様性が進化的安定性を維持する上で果たす重要な役割を十分に見落としています。そこで、Large Language Models（LLMs）を用いたカテゴリ駆動型自動アルゴリズム設計（CDEoH）を提案します。これはアルゴリズムカテゴリを明示的にモデル化し、個体群管理において性能とカテゴリ多様性を共同でバランスさせ、複数のアルゴリズムパラダイムにまたがる並列探索を可能にします。代表的な組合せ最適化問題に対する、複数のスケールにわたる広範な実験は、CDEoHが単一の進化方向への収束を効果的に緩和し、進化的安定性を著しく高め、タスクとスケールを跨いで一貫して優れた平均性能を達成することを示しています。