CoupleEvo: Evolving Heuristics for Coupled Optimization Problems Using Large Language Models

Auf der GECCO 2026 in San José, Costa Rica, wurde die Arbeit mit dem Titel „CoupleEvo: Evolving Heuristics for Coupled Optimization Problems Using Large Language Models“ präsentiert. Sie untersucht, wie Large Language Models zur automatisierten Entwicklung von Heuristiken für gekoppelte Optimierungsprobleme eingesetzt werden können. Solche Problemstellungen bestehen aus mehreren eng miteinander verbundenen Teilproblemen, deren Lösungen gemeinsam koordiniert werden müssen. Mit CoupleEvo stellt die Arbeit erstmals ein LLM-basiertes Framework vor, das mehrere aufeinander abgestimmte Heuristiken gleichzeitig entwickelt.

Im Mittelpunkt stehen drei evolutionäre Koordinationsstrategien: Bei der sequenziellen Evolution werden die Heuristiken der Teilprobleme nacheinander optimiert, während die iterative Evolution wiederholt zwischen den Teilproblemen wechselt. Die integrierte Evolution entwickelt dagegen alle Heuristiken gleichzeitig. Die Experimente am Inventory Routing Problem und am Multi-Robot Multi-Bay Unit-Load Pre-Marshalling Problem zeigen, dass insbesondere die sequenziellen und iterativen Ansätze eine stabile Konvergenz und eine hohe Lösungsqualität erreichen. Die Arbeit verdeutlicht damit das Potenzial von LLMs, auch für komplexe, miteinander verknüpfte Optimierungsaufgaben leistungsfähige problemspezifische Heuristiken zu entwickeln.