NeurIPS 2025，基于多模态LLM的组合问题结构感知协同集成演化优化

1.摘要

图结构组合优化的解空间巨大，传统二进制或数值编码难以直接表达节点之间的拓扑关系，导致交叉和变异往往脱离网络结构。论文把图编码为图像让多模态LLM（MLLM）充当结构感知进化算子；同时用图稀疏化降低大规模网络可视化的拥挤，在保留关键结构的前提下生成多个简化视图。为减轻单一稀疏视图偏差，论文提出跨多个稀疏网络主从式协同进化，通过原图投影、反向注入和全局精英池进行知识迁移；针对 MLLM 对布局的敏感性，又以多个布局分别推理并用共识投票融合节点决策。

2. 研究背景与相关工作

xx