irace-evo: Automatisierte Algorithmenoptimierung mit LLM-basierter Codeentwicklung

Die neueste Erweiterung von irace, genannt irace‑evo, kombiniert die bewährte Parameteroptimierung mit einer LLM‑gestützten Codeentwicklung. Dadurch können nicht nur die Einstellungen eines Algorithmus, sondern auch dessen eigentliche Programmcode gleichzeitig verbessert werden.

Der Ansatz unterstützt mehrere Programmiersprachen – darunter C++ und Python – und nutzt ein progressives Kontextmanagement, um den Tokenverbrauch zu senken. Durch die „Always‑From‑Original“-Regel bleibt die Codeentwicklung stets kontrolliert und nachvollziehbar, sodass unerwünschte Änderungen vermieden werden.

In einer Testreihe wurde irace‑evo auf die CMSA‑Metaheuristik für das Variable‑Sized Bin‑Packing‑Problem angewendet. Die Ergebnisse zeigen, dass neue Algorithmusvarianten, die mit LLM‑Modellen wie Claude Haiku 3.5 generiert wurden, die aktuelle CMSA‑Implementierung übertreffen. Gleichzeitig blieb die Gesamtkostenbelastung unter zwei Euro, was die Methode besonders kosteneffizient macht.

Diese Studie demonstriert, dass die Kombination aus automatischer Konfiguration und LLM‑basierter Codeentwicklung einen leistungsstarken, wirtschaftlichen Weg darstellt, um Heuristiken und Metaheuristiken weiter zu optimieren.