Belangrijkste concepten
대규모 언어 모델과 진화 계산의 결합을 통해 자동으로 우수한 유도 지역 탐색 알고리즘을 설계할 수 있다.
Samenvatting
이 논문은 최근 제안된 AEL(Algorithm Evolution using Large Language Model) 프레임워크를 활용하여 여행 판매원 문제(TSP)를 해결하기 위한 효율적인 유도 지역 탐색(GLS) 알고리즘을 자동으로 설계하는 방법을 소개한다.
AEL 프레임워크는 대규모 언어 모델과 진화 계산을 결합하여 알고리즘을 자동으로 생성, 교차, 변이시킨다. 이를 통해 인간의 개입 없이도 우수한 GLS 알고리즘을 설계할 수 있다.
실험 결과, AEL로 설계된 GLS 알고리즘은 기존 인간이 설계한 GLS 알고리즘을 능가하는 성능을 보였다. TSP20과 TSP50 문제에서 0%의 격차를, TSP100 문제에서 0.032%의 격차를 달성했다. 또한 TSPLib 인스턴스에서도 우수한 성능을 보였다.
이러한 결과는 대규모 언어 모델과 진화 계산의 결합이 자동 알고리즘 설계를 위한 새로운 패러다임을 열었음을 보여준다.
Statistieken
TSP20 문제에서 AEL-GLS 알고리즘은 0%의 격차를 달성했다.
TSP50 문제에서 AEL-GLS 알고리즘은 0%의 격차를 달성했다.
TSP100 문제에서 AEL-GLS 알고리즘은 0.032%의 격차를 달성했다.
Citaten
"대규모 언어 모델과 진화 계산의 결합을 통해 자동으로 우수한 유도 지역 탐색 알고리즘을 설계할 수 있다."
"AEL로 설계된 GLS 알고리즘은 기존 인간이 설계한 GLS 알고리즘을 능가하는 성능을 보였다."