多目标超启发式方法的系统文献综述：一种人机协同的大语言模型方法论

《ARTIFICIAL INTELLIGENCE REVIEW》：Systematic literature review of multi-objective hyper-heuristics: a human-in-the-loop large language model methodology

　　

摘要

多目标超启发式算法（MOHHs）已成为计算智能领域中一种强大的方法论，它能够动态选择或生成低级启发式规则，用以解决涉及多个目标的复杂优化问题。尽管该领域受到了越来越多的学术关注，并有着广泛的应用前景，但对其发展历程、方法及面临的挑战的全面分析仍然有限。本研究对2005年至2025年间发表的236篇关于MOHHs的经过同行评审的文献进行了系统性的回顾，同时运用大型语言模型来辅助筛选和分析工作。该综述对应用领域进行了分类，分析了启发式策略的管理方式，梳理了学习机制，并指出了新兴的研究主题。研究结果表明，该领域正从基于启发式规则的选型方法逐步转向基于规则生成及混合方法，强化学习的整合程度也在不断提高，同时人们越来越重视适应性、以用户为中心以及可解释性的优化方案。此外，还探讨了在基准测试使用、性能评估以及理论基础方面的方法学发展趋势。文章最后提出了一个主题路线图，指出了未来的研究方向，包括由大型语言模型引导的MOHHs、多目标优化以及考虑用户偏好的系统。这份全面的综述为推动MOHHs研究的发展提供了基础，同时也为其在解决现实世界中的复杂问题中的应用提供了支持。