DyACE: Dynamische Algorithmus‑Ko‑Evolution für Online‑Heuristik mit LLM

In der automatisierten Heuristikforschung wird bislang häufig davon ausgegangen, dass ein einzelner, festgelegter Algorithmus die wechselnden Anforderungen eines kombinatorischen Suchprozesses bewältigen kann. Dieses statische Modell reicht jedoch bei perturbativen Heuristiken nicht aus, weil der optimale Ansatz stark von der jeweiligen Suchphase abhängt.

Die neue Methode DyACE (Dynamic Algorithm Co‑Evolution) wandelt das Problem in ein nicht‑stationäres, bi‑level‑Kontrollproblem um. Anstelle eines offenen Regelkreises nutzt DyACE eine Receding‑Horizon‑Control‑Architektur, die die Heuristiklogik und die Lösungspopulation kontinuierlich gemeinsam weiterentwickelt.

Ein zentrales Element ist die Look‑Ahead‑Rollout‑Suche, die die Geometrie des Suchraums auswertet und Merkmale der Suchtrajektorien extrahiert. Diese sensorische Rückmeldung ermöglicht es einem großen Sprachmodell, als verankertes Meta‑Steuergerät zu fungieren und phasen­spezifische Interventionen zu empfehlen, die exakt auf den aktuellen Suchstatus abgestimmt sind.

Durch Tests an drei repräsentativen kombinatorischen Optimierungsbenchmarks hat DyACE deutlich bessere Ergebnisse erzielt als die führenden statischen Baselines. Die Skalierbarkeit in hochdimensionalen Räumen ist dabei besonders ausgeprägt. Ablationsstudien zeigen, dass die dynamische Anpassung ohne verankerte Wahrnehmung versagt und sogar schlechter abschneidet als statische Algorithmen – ein Hinweis darauf, dass die Wirksamkeit von DyACE aus der kausalen Abstimmung zwischen synthetischer Logik und verifizierter Landschaftsstruktur resultiert.