Resumen: Los algoritmos son el motor para la resolución de problemas reproducible. Presentamos un descubrimiento de algoritmos de automatización del marco al conceptualizarlos como secuencias de operaciones, representadas como tokens. Estas tokens computacionales se encadenan utilizando una gramática, lo que permite la formación de procedimientos cada vez más sofisticados. Nuestra búsqueda de árboles de Monte Carlo (MCT) guiado por el aprendizaje de refuerzo (RL) explora el encadenamiento de tokens e impulsa la creación de nuevos tokens. Esta metodología redescubre, mejora y genera nuevos algoritmos que superan sustancialmente los métodos existentes para problemas de optimización combinatorial fuertemente np y enfoques de computación cuántica fundamentales como Grover y el algoritmo de optimización aproximada cuántica. Operando a nivel de generación de código computacional en lugar de código, nuestro marco produce algoritmos que se pueden adaptar específicamente a instancias problemáticas, no solo a clases.
Publicado Originalme en export.arxiv.org El 7 de julio de 2025.
Ver Fuente Original
