Araştırmacılar, büyük dil modellerinin karmaşık optimizasyon problemlerini çözmekte yaşadığı sınırlamaları aşmak için yenilikçi bir çözüm geliştirdi. EvoOR-Agent adlı bu sistem, yapay zeka ajanlarının kendi iş akışlarını evrimsel süreçlerle geliştirmesine olanak tanıyor. Geleneksel yöntemlerin aksine, bu yaklaşım ajan mimarilerini ve mantık yürütme süreçlerini eş zamanlı olarak optimize ediyor. Problem yorumlama, matematiksel formülasyon, çözücü seçimi ve kod üretimi gibi karmaşık görevleri koordine eden sistem, graf tabanlı bir yapı üzerinde çalışarak alternatif çözüm yollarını açık hale getiriyor. Evrimsel algoritmalar kullanarak popülasyon güncellemeleri yapan sistem, deneyim kazanım modülü sayesinde yeniden kullanılabilir pratikleri de bünyesine katıyor.

arXiv (CS + AI) 0

Teknoloji & Yapay Zeka

21 Apr

Çok Amaçlı Evrimsel Algoritmaların Büyük Ölçekli Problemlerdeki Performansı

Evrimsel algoritmalar, doğal seçilim ilkelerini taklit ederek karmaşık optimizasyon problemlerini çözmeye çalışır. Yeni araştırma, bu algoritmaların problem boyutu arttıkça nasıl performans gösterdiğini inceliyor. Özellikle sürekli problemlerden farklı olarak, kombinatorial optimizasyon problemleri daha zorlu bir yapıya sahip. Bu problemlerde discrete (ayrık) yapı nedeniyle pürüzlü peyzajlar, çok sayıda yerel optimum ve birbirinden ayrı global optimum bölgeleri ortaya çıkıyor. İlginç şekilde, SEMO gibi basit algoritmalar bazen daha karmaşık sistemlerden üstün performans sergiliyor. Ancak bu durumun büyük ölçekli problemlerde de geçerli olup olmadığı belirsizdi. Bu çalışma, farklı algoritmaların ölçeklenebilirliğini empirik olarak test ederek alan için önemli bulgular sunuyor.

arXiv (CS + AI) 0