OR-Agent: Bridging Evolutionary Search and Structured Research for Automated Heuristic Design
arXiv:2602.13769v4 发布 OR-Agent，这是一个旨在解决复杂实验驱动领域启发式设计自动化问题的多智能体研究框架。OR-Agent 将启发式搜索组织为显式建模分支假设生成与系统回溯的树状工作流，并引入包含短期反思（作为言语梯度）、长期反思（作为言语动量）及记忆压缩（作为语义权重衰减）的分层优化导向反思系统，以克服现有方法缺乏长期战略规划和从历史失败中学习机制的缺陷。在经典组合优化问题（如 TSP、CVRP、装箱问题）和基于模拟的合作驾驶场景中的广泛实验表明，OR-Agent 的表现优于强大的进化搜索基线。所有代码和实验数据已公开发布于 https://github.com/qiliuchn/OR-Agent。