演化式搜尋

深度分析

SeaEvo：在策略空間加入持續表徵以提升 LLM 驅動的演化式搜尋效能

LLM驅動的演化式搜尋在自動演算法發掘上受到關注，但多數系統僅以程式碼與標量適應度追蹤進度。SeaEvo將自然語言策略提升為族群層級持續狀態，結合策略闡述、分層經驗檢索與景觀導航。實驗顯示在系統最佳化等開放任務上提升約21%效能，證明策略層面的持久化可增強演化搜尋的魯棒性與效率。