Szczegóły publikacji
Opis bibliograficzny
LLM-driven evolution of metaheuristic components for GNBG benchmark / Paweł KOLENDO, Wojciech CHMIEL, Michal PLUHÁČEK // W: GECCO'25 Companion [Dokument elektroniczny] : proceedings of the 2025 Genetic and Evolutionary Computation Conference Companion : July 14–18, 2025, Málaga, Spain. — Wersja do Windows. — Dane tekstowe. — New York : Association for Computing Machinery, 2025. — e-ISBN: 979-8-4007-1464-1. — S. 3–4. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 4, Abstr. — Publikacja dostępna online od: 2025-08-11
Autorzy (3)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 161857 |
|---|---|
| Data dodania do BaDAP | 2025-09-19 |
| Tekst źródłowy | URL |
| DOI | 10.1145/3712255.3735093 |
| Rok publikacji | 2025 |
| Typ publikacji | materiały konferencyjne (aut.) |
| Otwarty dostęp |  |
| Creative Commons | |
| Wydawca | Association for Computing Machinery (ACM) |
| Konferencja | Genetic and Evolutionary Computations 2025 |
Abstract
This paper is devoted to the implementation of the LLM Designed Evolutionary Algorithms, using a GNBG-generated Test Suite. Traditional metaheuristics face challenges in maintaining efficiency and effectiveness as complexity increases. Our research addresses these issues by focusing on enhancing individual methods within a class rather than reorganizing entire classes - a relatively unexplored strategy in black-box continuous optimization. By integrating Large-Language Models (LLMs), we evolve specific functions or components, offering novel insights into improving metaheuristic performance.
