ARS: Automatic Routing Solver with Large Language Models
Created by
- Haebom
Category
Empty
저자
Kai Li, Fei Liu, Zhenkun Wang, Xialiang Tong, Xiongwei Han, Mingxuan Yuan
개요
본 논문은 실제 세계의 차량 경로 문제(VRP) 해결을 위한 자동화된 라우팅 솔버 설계의 어려움을 해결하고자, 24가지 속성으로부터 도출된 1000가지 VRP 변형체로 구성된 벤치마크 RoutBench를 제시합니다. RoutBench는 복잡한 제약 조건을 고려한 자동 라우팅 솔버의 효율성 평가를 위한 것입니다. 또한, 대규모 언어 모델(LLM) 에이전트를 활용하여 문제 설명과 여러 제약 조건을 바탕으로 제약 조건을 고려한 휴리스틱 코드를 자동 생성하는 자동 라우팅 솔버(ARS)를 제시합니다. 실험 결과, ARS는 기존 최첨단 LLM 기반 방법 및 일반적으로 사용되는 솔버보다 우수한 성능을 보이며, 일반적인 VRP의 91.67%를 자동으로 해결하고 모든 벤치마크에서 최소 30%의 성능 향상을 달성했습니다.
시사점, 한계점
•
시사점:
◦
복잡한 제약 조건을 가진 실제 세계 VRP 문제 해결을 위한 새로운 벤치마크 RoutBench 제공
◦
LLM 기반 자동 라우팅 솔버 ARS를 통해 기존 솔버보다 우수한 성능 달성
◦
LLM을 활용한 자동화된 알고리즘 설계의 효용성을 실증적으로 입증
◦
자동화된 알고리즘 설계 분야의 발전에 기여
•
한계점:
◦
RoutBench의 벤치마크 규모가 실제 세계의 다양성을 완벽하게 반영하지 못할 가능성
◦
ARS의 성능이 특정 유형의 VRP 또는 제약 조건에 편향될 가능성
◦
LLM의 성능에 의존적이므로 LLM의 한계가 ARS의 성능에 영향을 미칠 가능성
◦
ARS의 일반화 능력 및 확장성에 대한 추가적인 연구 필요
