LLM嵌入吸引-排斥算法

任务分配效率近9%距离

通过嵌入大语言模型实现双向增强的进化劳动分工算法设计，在无人机大规模任务分配中显著减少总行程和处理时间。

Wu, Bowen · 肖人彬

Advanced Engineering Informatics 2025

参数信息

总行程

9 %

处理时间

8 %

技术优势

设计不再靠手工

算法设计过程通过进化机制自动进行，不再依赖人工构造范式。

LLM 嵌入双向增强

通过提示工程将大语言模型与吸引-排斥机制结合，实现两者之间的双向增强。

大规模任务下高效

该方法在 50 架无人机、300 项任务场景中，总行程和处理时间均远低于对比算法。

应用场景

• 具身智能任务分配：为具身智能体提供可扩展的任务分配算法，代替手工设计的分工规则。
• 无人机集群任务规划：在大规模无人机任务中显著降低总行程和处理时间，提升规划效率。
• 智能调度优化：将进化机制与 LLM 结合，自动生成高效的调度方案，无需人工调参。
• 多智能体协同：提供一种基于吸引-排斥机制的协调策略，增强多智能体间的协同效果。