arXiv · cs.AI· Jianghan Zhu·· 17 小时前AI 评分40
HEMO：利用自进化框架求解多目标组合优化
HEMO: Harness Self-Evolution for Multi-Objective Combinatorial Optimization
来源与原文
arXiv · cs.AI
作者：Jianghan Zhu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.40023v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 HEMO，将自动算子设计（AOD）中的搜索框架本身作为自进化优化目标，通过维护持久框架状态、逐模块更新经验检索、算子改进、父代选择与搜索编排逻辑来提升多目标组合优化性能。方法采用 discounted UCB 调度器引导模块适应，并用持久记忆文件系统跨状态保存优化经验。在 8 个 MOCO 任务和 2 种进化骨干上的实验显示，HEMO 优于传统进化、神经网络及 LLM 算子设计基线，并能有效迁移到相关任务。
来源：arXiv · cs.AI · arxiv.org