؟ مرحباً! هذه قاعدة بيانات تصاحب الورقة Reevo: نماذج لغة كبيرة مثل Hyper-Heuristics مع تطور عاكس .
امنح Reevo 5 دقائق ، واحصل على خوارزمية حديثة في المقابل!
نقدم Hyper-Heuristics (LHHS) ، وهو متغير ناشئ من Hyper-Heuristics (HHS) الذي يعزز LLMs للجيل الإرشادي ، والذي يتميز بالتدخل اليدوي الدنيوي والأماكن الإرشادية المفتوحة .
لتمكين LHHS ، نقدم تطورًا عاكسًا (Reevo) ، وهو إطار بحث عام يحاكي نهج التصميم العاكس للخبراء البشريين مع تفوق القدرات البشرية مع استنتاج LLM القابل للتطوير ، ومعرفة النطاق على نطاق الإنترنت ، والبحث التطوري القوي.
يمكننا تحسين الأنواع التالية من الخوارزميات:
في المشاكل التالية:
مع كل من إعدادات الصندوق السوداء والمربع الأبيض.
./outputs/main/ بشكل افتراضي../problems/*/test.ipynb . يمكنك تثبيت التبعيات أعلاه عبر pip install -r requirements.txt .
تبعيات خاصة بالمشكلة:
tsp_aco(_black_box) : pytorch ، scikit-learncvrp_aco(_black_box) / mkp_aco(_black_box) / op_aco(_black_box) / NCO : pytorchtsp_gls : numba == 0.58 # e.g., for tsp_aco
python main.py
problem=tsp_aco # problem name
init_pop_size=4 # initial population size
pop_size=4 # population size
max_fe=20 # maximum number of heuristic evaluations
timeout=20 # allowed evaluation time for one generation تحقق من ./cfg/ لمزيد من الخيارات.
tsp_aco ، tsp_aco_black_box ، tsp_constructive ، tsp_gls ، tsp_pomo ، tsp_lehdcvrp_aco ، cvrp_aco_black_box ، cvrp_pomo ، cvrp_lehdbpp_offline_aco ، bpp_offline_aco_black_box ، bpp_onlinemkp_aco ، mkp_aco_black_boxop_aco ، op_aco_black_boxdpp_ga ./cfg/problem/ ../problems/ ../prompts/ .افتراضيا:
f"./problems/YOUR_PROBLEM/gpt.py" ، وسيتم استيرادها إلى ./problems/YOUR_PROBLEM/eval.py (على سبيل المثال ل tsp_aco) ، والتي تسمى reevo._run_code أثناء reevo .reevo.evaluate_population ./problems/YOUR_PROBLEM/eval.py استخدم معلمة CLI llm_client لتعيين موفر API LLM ، و llm_client.model لتحديد النموذج المراد استخدامه. على سبيل المثال،
$ export LLAMA_API_KEY=xxxxxxxxxxxxxxxxxxxx
$ python main.py llm_client=llama_api llm_client.model=gemma2-9bيتضمن مقدمي وموديلات واجهة برمجة تطبيقات LLM المدعومة (لاحظ أن نماذج الدردشة فقط مدعومة):
إذا واجهت أي صعوبة في استخدام الرمز الخاص بنا ، فيرجى عدم التردد في تقديم مشكلة أو الاتصال بنا مباشرة!
نحن أيضًا على Slack إذا كان لديك أي أسئلة أو ترغب في مناقشة Reevo معنا. نحن منفتحون على التعاون ونود أن نسمع منك
إذا وجدت عملنا مفيدًا (أو إذا كنت لطيفًا بحيث تقدم لنا بعض التشجيع) ، فالرجاء التفكير في إعطائنا نجمًا ، واستشهد ورقتنا.
@inproceedings { ye2024reevo ,
title = { ReEvo: Large Language Models as Hyper-Heuristics with Reflective Evolution } ,
author = { Haoran Ye and Jiarui Wang and Zhiguang Cao and Federico Berto and Chuanbo Hua and Haeyeon Kim and Jinkyoo Park and Guojie Song } ,
booktitle = { Advances in Neural Information Processing Systems } ,
year = { 2024 } ,
note = { url{https://github.com/ai4co/reevo} }
}نحن ممتنون للغاية لليوان جيانغ ، ويينينج ما ، وييفان يانغ ، ومجتمع AI4CO للمناقشات والتعليقات القيمة.
أيضا ، عملنا مبني على المشاريع التالية ، من بين أمور أخرى:
