Operasyonel araştırma alanındaki karmaşık optimizasyon problemlerini çözmek için geliştirilen yeni bir yapay zeka sistemi, ajanların kendi mimarilerini evrimsel süreçlerle geliştirmesine olanak tanıyor.
EvoOR-Agent olarak adlandırılan bu çerçeve, büyük dil modellerinin mevcut sınırlamalarına karşı geliştirildi. Geleneksel sistemler, elle tasarlanmış mantık yürütme ve uygulama iş akışlarıyla kısıtlı kalıyor ve karmaşık görevlerde yetersiz performans gösteriyordu.
Yeni sistemin ayırt edici özelliği, ajan iş akışlarını aktivite-kenar ağları şeklinde temsil etmesi. Bu yaklaşım sayesinde iş akışı topolojisi, uygulama bağımlılıkları ve alternatif mantık yürütme yolları net bir şekilde görülebiliyor.
Sistem, mimari graf üzerinde çalışarak bir mantık yürütme bireyleri popülasyonu evrimleştiriyor. Graf aracılı yol koşullu rekombinasyon, çok ayrıntılı semantik mutasyon ve elit popülasyon güncelleme teknikleri kullanılıyor.
Bilgi tabanlı deneyim kazanım modülü, yeniden kullanılabilir operasyonel araştırma pratiklerini başlatma ve semantik süreçlere enjekte ediyor. Bu özellik, sistemin geçmiş deneyimlerden öğrenerek performansını artırmasını sağlıyor.
Araştırma, yapay zekanın kendi kendine gelişim gösterebileceği yeni bir paradigma sunarak, karmaşık optimizasyon problemlerinin otomatik çözümünde önemli bir adım atıyor.