跳到主要内容
检索

# 禁忌搜索

3 篇关联报道

订阅更新
  1. arXiv

    智能体写的调度器压过商业求解器:十万工序车间实例做到525,515,低于OptalCP、Hexaly与CP Optimizer

    前沿大模型作为编码智能体、只用开源工具,为车间调度问题自行改写建模并写出启发式求解器。在10万工序的tai_100_1000_1上,智能体写出的求解器达到525,515,低于OptalCP、Hexaly和CP Optimizer;同一工作站、同等预算下,它在十个同族实例上距下界0.0–1.8%,而CP Optimizer为2.6–5.8%、Hexaly为2.4–4.4%。在带运输机器人的MKT实例上,它改进了十个中的七个,但在加工时间远长于运输时间的Chambers–Barnes实例上弱于基于CP Optimizer的方法。

  2. researchsquare.com

    贝叶斯网络结构学习换了搜索策略:稀疏网络上PCTABU胜过PCHC,稠密网络打平

    混合式贝叶斯网络学习把骨架构建与打分搜索分开,搜索阶段用爬山法还是禁忌搜索、打分用BDe、LL还是BIC,都会改变学到的结构。PCTABU把PC算法的骨架构建与禁忌搜索结合,在八个真实基准网络上与PCHC对比:Alarm、Child、Hailfinder三个较稀疏网络上PCTABU更好,其余五个网络两者几乎等价;LL打分在两种算法上都持续最差,BDe与BIC表现相近。

  3. Hugging Face

    把LLM剪枝当作物理问题:块移除作为伊辛优化

    该工作将大语言模型的块移除选择重新表述为约束二元优化问题,等价于在伊辛玻璃中寻找低能态,用一次校准得到的近似Hessian能量作为下游质量的廉价代理,从而无需逐次基准测试即可排序海量候选配置;在Llama-3.3-70B-Instruct上以50%压缩率(移除40/80块)不重训练时MMLU保持在约77,而最强基线块影响法降至约54,并在Llama-3.1-8B-Instruct、Qwen3-14B以及混合架构NVIDIA-Nemotron-3-Nano-30B-A3B-FP8上验证了该表述的迁移性。

已读完全部报道