본 논문은 기존 최적화 알고리즘을 대규모 언어 모델(LLM)을 사용하여 개선하는 방법을 연구합니다. LLM이 새로운 알고리즘을 생성하는 대신, 다양한 분야(메타휴리스틱, 강화학습, 결정적 방법, 정확한 방법)의 10가지 기준 최적화 알고리즘을 선택하여 고전적인 외판원 순회 문제(TSP)에 적용하여 기존 알고리즘을 개선하는 실험을 진행했습니다. 결과적으로 전문적인 최적화 지식이나 고급 알고리즘 구현 기술 없이도 LLM이 생성한 알고리즘 변형이 기준 알고리즘보다 해의 질, 계산 시간 단축, 코드 복잡성 간소화 측면에서 향상됨을 보여줍니다.
