基于大语言模型的自动启发式算法规划方法

本发明提出了基于大语言模型的自动启发式算法规划方法，该方法包括以下步骤：初始化与问题建模，通过引导大语言模型从一个基础启发式出发，结合多种认知视角生成候选算法集合，为搜索空间提供多样化起点；配置蒙特卡洛树搜索的核心参数；在每次迭代过程中，利用蒙特卡洛树搜索在启发式空间内开始进行规划，该过程由选择、反思、扩展、模拟和反向传播五个核心阶段组成；在所有迭代完成后，返回平均奖励最高的路径及其对应的最佳启发式算法，确保最终解决方案的全局最优性。本发明能够从历史生成的启发式策略中自动提炼有效经验，实现对启发式结构的实时反馈调节与策略归纳优化，从而显著增强搜索过程中的知识迁移与泛化能力。