DyACE：大規模言語モデルを用いたオンライン自動ヒューリスティック設計のための動的アルゴリズム共進化

要約: 自動化ヒューリスティック設計（AHD）における支配的なパラダイムは、単一で固定されたアルゴリズムが組合せ探索の変動するダイナミクスを効果的に辿ることができるという仮定に通常依存します。この静的アプローチは、局所最適解からの脱出に最適なアルゴリズムが特定の探索フェーズに大きく依存する摂動的ヒューリスティクスにはしばし不適切であることが多い。これらの制約に対処するため、ヒューリスティック設計を非定常な二レベル制御問題として再定式化し、DyACE（Dynamic Algorithm Co-evolution）を導入します。標準的なオープンループソルバーとは異なり、DyACE は Receding Horizon Control アーキテクチャを用いて、解集合とともにヒューリスティック論理を継続的に共進化させます。このフレームワークの核となる要素は Look-Ahead Rollout Search であり、ランドスケープの幾何を照会して探索軌跡特徴を抽出します。このセンサフィードバックにより、Large Language Model（LLM）は現実に根ざしたメタコントローラとして機能し、リアルタイムの探索状況に適合したフェーズ別介入を処方します。私たちは DyACE を三つの代表的な組合せ最適化ベンチマークで検証します。結果は、我々の手法が最先端の静的ベースラインを大幅に上回り、高次元の探索空間におけるスケーラビリティに優れていることを示しています。さらに、アブレーション研究は、 grounded perception が欠如すると動的適応が機能せず、しばしば静的アルゴリズムより劣ることを確認しています。これは DyACE の有効性が、合成されたロジックと最適化ランドスケープの検証済み勾配との因果的整合性に由来することを示しています。