Sign In

EvoOpt-LLM: Evolving industrial optimization models with large language models

Created by
  • Haebom
Category
Empty

저자

Yiliu He, Tianle Li, Binghao Ji, Zhiyuan Liu, Di Huang

💡 개요

본 논문은 자연어 요구사항을 MILP(Mixed-Integer Linear Programming) 모델로 변환하고 변화하는 비즈니스 규칙에 맞춰 모델을 유지하는 데 필요한 전문 지식의 부담을 줄이기 위해 LLM(Large Language Model)을 활용하는 EvoOpt-LLM 프레임워크를 제안합니다. EvoOpt-LLM은 자동 모델 구축, 동적 비즈니스 제약 조건 주입, 종단 간 변수 가지치기를 포함하는 산업 최적화 모델링의 전체 생명주기를 지원합니다. 7B 매개변수 LLM 기반의 이 프레임워크는 적은 데이터로도 높은 생성률과 실행 가능성을 달성하며, 산업 규모의 최적화 문제에 대한 실용적이고 데이터 효율적인 솔루션을 제공합니다.

🔑 시사점 및 한계

LLM을 활용하여 전문 지식 의존도를 낮추고 산업 최적화 모델 구축 및 유지보수 과정을 자동화할 수 있습니다.
제한된 학습 데이터로도 높은 성능을 달성하여 데이터 효율성을 높였으며, 특히 1,500개 샘플 미만에서도 성능 향상이 두드러집니다.
동적으로 비즈니스 제약 조건을 모델에 통합하고 계산 효율성을 높이는 변수 가지치기를 통해 실제 산업 적용 가능성을 보여줍니다.
F1 점수 ~0.56은 중간 규모 LP 모델에 대한 변수 가지치기 성능을 나타내지만, 더 복잡하거나 대규모 모델에 대한 성능 개선 가능성이 있습니다.
👍