买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学申请的专利基于大语言模型的自动启发式算法规划方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120832937B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511332411.5，技术领域涉及：G06N5/02；该发明授权基于大语言模型的自动启发式算法规划方法是由王辉;刘扬;穆朝絮设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本基于大语言模型的自动启发式算法规划方法在说明书摘要公布了：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。

本发明授权基于大语言模型的自动启发式算法规划方法在权利要求书中公布了：1.基于大语言模型的自动启发式算法规划方法，其特征在于，该方法包括以下步骤： 步骤1、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； 步骤2、配置蒙特卡洛树搜索的核心参数； 步骤3：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，为大语言模型设计提示工程，在后续状态转移中生成新的启发式算法，进行快速反思和复杂反思的输入内容包括选中的反思启发式算法代码、模型需执行的生成指令及其上下文信息，输出则涵盖模型归纳的策略特征与更新建议；扩展节点生成新的启发式算法的输入内容包括选中已存在的启发式算法代码、快速反思和复杂反思获得的改进建议以及相关背景信息；输出结果包括对新启发式算法的简要文字描述、启发式算法代码，具体步骤如下： 步骤31：在选择阶段，将根节点作为一个虚拟节点，初始化启发式算法作为根节点的孩子节点，依据每个子节点优化后的启发式算法的UCT值，动态选择最优节点进行扩展； 步骤32：选取扩展种群，进行LLMs的快速反思，根据LLMs返回的response再次进行LLMs复杂反思，获取深层次策略优化的指导和经验； 通过引入大模型进行快速反思和复杂反思的过程； 快速反思：基于当前候选解群的表现，引导模型从多角度对其进行归纳与对比，提取潜在的优化线索，为后续策略演化提供轻量级参考； 复杂反思：在已有反馈基础上，引入更广泛的历史信息与表现差异，促使模型综合分析多类启发线索，生成具有策略指导价值的优化建议；在反思阶段，快速反思通过对当前候选启发式按目标值排序，将其描述、性能与代码输入大语言模型，引导其进行两两对比分析，提取差异性表现与通用优化经验，该过程生成简洁的分析结果与启发性建议，为后续扩展提供初步指导；复杂反思在快速反思基础上，引入历史优解经验与负面策略示例，构建多源输入，引导大语言模型进行综合分析；模型输出包括关键词、建议、风险提示和解释，提供更深入的策略优化方向，支持高质量搜索演化； 步骤33：在扩展阶段，基于复杂反思的指导和经验和选中的扩展种群节点算法输入大语言模型，执行交叉和变异动作，生成新的优化启发式算法； 在扩展阶段，系统遍历预设的四种扩展动作e1、e2、m1、m2，对选定节点进行启发式算法的演化与生成；被扩展的节点包括通过UCT策略选出的节点和从精英函数集中采样的高质量节点；每次扩展操作均将以下内容输入大语言模型：候选算法的结构与表现、相关实现代码，以及反思阶段总结的经验信息；具体包括：e1：输入节点对及其优劣排序，结合反思获得的经验信息，引导模型生成改进版算法；e2：输入当前全局最优算法及长期经验，引导模型生成具有结构创新性的算法，并评估其贡献性以更新经验库；m1：基于当前算法，生成结构不同但策略延续的新算法，引入新机制；m2：识别关键参数和方程关系，生成参数设置和逻辑结构均变化的算法版本；每次执行预设的动作都会生成规定数量的新的启发式节点，从而丰富搜索空间，为后续的模拟和优化提供更多可能性； 步骤34：在模拟阶段，对新获得的启发式算法进行评估，获得奖励值，模拟过程结束； 步骤35：在反向传播阶段，将叶节点的累积奖励沿路径回溯至根节点，更新路径上每个节点的累积奖励列表，节点访问次数，当前全局最大奖励值和当前全局最小奖励值； 步骤4：启动蒙特卡洛树搜索方法，以寻找更优的启发式算法；MCTS通过迭代执行“选择-反思-扩展-模拟-反向传播”五个阶段，逐步优化搜索过程；在选择阶段，从根节点出发，依据UCT公式计算每个子节点的UCT值，选择UCT值最高的子节点作为后续搜索的路径，从而引导搜索过程向更优的启发式算法方向推进； 步骤5：执行完毕后，会生成多条从根节点到叶节点的路径，最终，选取奖励值最高的启发式算法作为最终输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。