🤖 AI

Bridging Synthetic and Real Routing Problems via LLM-Guided Instance Generation and Progressive Adaptation

Este artículo presenta EvoReal, un marco que aprovecha la síntesis evolutiva guiada por LLM para generar instancias de entrenamiento estructuralmente realistas y adaptar progresivamente los resolvedores neuronales, reduciendo significativamente la brecha de generalización entre los datos sintéticos y los benchmarks de enrutamiento del mundo real como TSPLib y CVRPLib.

Autores originales: Jianghan Zhu, Yaoxin Wu, Zhuoyi Lin, Zhengyuan Zhang, Haiyan Yin, Zhiguang Cao, Senthilnath Jayavelu, Xiaoli Li

Publicado 2026-01-30

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jianghan Zhu, Yaoxin Wu, Zhuoyi Lin, Zhengyuan Zhang, Haiyan Yin, Zhiguang Cao, Senthilnath Jayavelu, Xiaoli Li

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El Gran Problema: Las "Ruedas de Entrenamiento" vs. El "Camino Real"

Imagina que estás enseñando a un robot a ser el mejor repartidor del mundo.

La Situación Actual:
En este momento, enseñamos a estos robots (llamados Solucionadores Neuronales) usando "ruedas de entrenamiento". Generamos millones de rutas de entrega falsas en una computadora donde las casas están perfectamente espaciadas en una cuadrícula ordenada, como un tablero de ajedrez. El robot se vuelve muy bueno resolviendo estos acertijos perfectos y cuadriculados.

El Problema:
Cuando sacas a ese robot al mundo real, choca. Las ciudades reales no son cuadrículas. Tienen grupos de casas, carreteras sinuosas y patrones extraños. El robot, entrenado solo en cuadrículas perfectas, se confunde y crea rutas de entrega terribles. Esto se llama la brecha de generalización. Es como enseñarle a alguien a nadar en una piscina tranquila y vacía, para luego lanzarlo a un océano tormentoso con olas y corrientes.

La Solución: EvoReal (El "Simulador Inteligente")

Los autores de este artículo crearon un nuevo sistema llamado EvoReal. En lugar de simplemente lanzar al robot al océano real, construyeron un "Simulador Inteligente" que le enseña al robot cómo manejar la tormenta antes de que salga de la piscina.

Así es como funciona, paso a paso:

1. El "Arquitecto" (El LLM)

El equipo utilizó un Modelo de Lenguaje Grande (LLM)—piensa en él como un arquitecto superinteligente y creativo. El trabajo de este arquitecto no es conducir el camión; su trabajo es diseñar los cursos de entrenamiento.

Normalmente, solo creamos cursos de entrenamiento aleatorios. Pero se le pide al LLM que observe mapas de entregas del mundo real (como los famosos referentes TSPLib y CVRPLib) y diga: "Hmm, las ciudades reales tienen estos patrones específicos: algunas áreas están congestionadas, otras están dispersas y otras tienen formas repetitivas".

2. El "Gimnasio Evolutivo" (Evolución del Generador)

El LLM no solo diseña un curso; ejecuta un gimnasio evolutivo.

Generación: El LLM escribe código para crear rutas de entrega falsas que se vean exactamente como las ciudades reales (con agrupamientos, huecos y formas extrañas).
Prueba: Prueba estas rutas falsas en el robot.
Reflexión y Mejora: Si el robot tiene dificultades con un tipo específico de ruta falsa, el LLM observa el código, dice: "Ah, este generador no hizo los grupos lo suficientemente apretados", y reescribe el código para que el siguiente lote de rutas falsas sea aún más realista.
Resultado: Con el tiempo, el LLM evoluciona un "generador" que crea datos sintéticos tan realistas que imitan estadísticamente al mundo real.

3. El "Entrenamiento Progresivo" (La Escalera)

Una vez que el LLM ha construido estos cursos de entrenamiento "similares al mundo real", el robot no salta directamente al nivel más difícil. Sube una escalera:

Fase 1 (El Puente): El robot es entrenado primero con los nuevos datos sintéticos realistas del LLM. Aprende a manejar grupos y patrones irregulares en un entorno simulado seguro. Es como practicar en una piscina con olas artificiales.
Fase 2 (El Mundo Real): Una vez que el robot tiene confianza, recibe una sesión de entrenamiento final corta sobre los problemas de referencia del mundo real propiamente dichos. Debido a que ya aprendió la "vibra" de las ciudades reales en la Fase 1, se adapta instantáneamente.

Los Resultados: De "Bueno en el Ajedrez" a "Gran Maestro de la Ciudad"

El artículo probó esto en dos conjuntos famosos de problemas de rutas del mundo real (TSPLib y CVRPLib).

Antes de EvoReal: Los mejores modelos de IA eran como estudiantes que estudiaron solo para un tipo específico de examen de matemáticas. Cuando veían un problema del mundo real, sus puntuaciones caían significativamente (a veces un 30% o más).
Después de EvoReal: Los modelos entrenados con este método se volvieron increíblemente fuertes.
- En los referentes de TSPLib (el Viajante de Comercio), la brecha entre su solución y la solución perfecta se redujo a solo 1.05%.
- En los referentes de CVRPLib (Ruta de Vehículos), la brecha se redujo a 2.71%.

La Conclusión Clave:
El artículo afirma que al usar un LLM para evolucionar una mejor generación de datos de entrenamiento (en lugar de solo evolucionar al robot en sí), cerraron la brecha entre lo falso y lo real. El robot aprendió a generalizar porque fue entrenado con datos "falsos" que se sentían exactamente como datos "reales".

Analogía de Resumen

Forma Antigua: Enseñar a un piloto a volar en un simulador sin viento, y luego enviarlo a un huracán.
Forma EvoReal: Usar una IA para diseñar un simulador que replica perfectamente la turbulencia, el cizallamiento del viento y las tormentas de un huracán. El piloto entrena en este simulador hiperrealista y luego sube al avión real y vuela perfectamente.

El artículo demuestra que una mejor generación de datos de entrenamiento (guiada por IA) es una forma más poderosa de arreglar estos robots que simplemente retocar a los propios robots.

Resumen Técnico: Cerrando la brecha entre problemas de enrutamiento sintéticos y reales mediante la generación de instancias guiada por LLM y la adaptación progresiva

Planteamiento del problema

Los métodos de Optimización Combinatoria Neuronal (NCO) han alcanzado un rendimiento de vanguardia en problemas de ruteo de vehículos (VRP) sintéticos, particularmente aquellos con nodos distribuidos uniformemente. Sin embargo, persiste una brecha de generalización significativa cuando estos modelos se aplican a escenarios de enrutamiento del mundo real, como los encontrados en los benchmarks TSPLib y CVRPLib. Los resolvedores neuronales existentes tienen dificultades para adaptarse a los patrones estructurales heterogéneos y no uniformes inherentes a los conjuntos de datos auténticos. Si bien los Modelos de Lenguaje Extensos (LLMs) han mostrado promesa en la evolución de heurísticas y en la resolución directa de Problemas de Optimización Combinatoria (COPs), a menudo fallan al manejar instancias de mediana a gran escala (por ejemplo, >50 nodos) debido a las limitaciones de contexto y problemas de coherencia en el procesamiento de descripciones textuales extendidas. En consecuencia, existe la necesidad de un marco que cierre la brecha de distribución entre los datos de entrenamiento sintéticos y los benchmarks del mundo real sin requerir cambios arquitectónicos en los resolvedores o depender únicamente del ajuste fino directo, el cual suele ofrecer mejoras limitadas.

Metodología: EvoReal

Los autores proponen EvoReal, un marco centrado en los datos que aprovecha los LLMs para evolucionar generadores de datos en lugar de resolver los problemas de enrutamiento directamente. El marco consta de dos componentes principales: un módulo evolutivo guiado por LLM para la síntesis de instancias y una estrategia de ajuste fino progresivo para la adaptación del modelo.

1. Síntesis de instancias evolutiva guiada por LLM

En lugar de pedir a los LLMs que resuelvan instancias de TSP o CVRP, EvoReal les pide que generen generadores de datos basados en código que produzcan instancias sintéticas que imiten las distribuciones del mundo real.

Representación del generador: Cada generador se define mediante una descripción de función, una implementación de código (basada en PyTorch) y una puntuación de aptitud (fitness score).
Alineación estructural: El proceso evolutivo busca minimizar la divergencia entre la distribución sintética generada por el LLM ( $D(h_\phi(Z))$ ) y la distribución real objetivo ( $D_{real}$ ). La divergencia se mide mediante métricas indirectas (proxy metrics), específicamente la brecha de optimalidad promedio en un conjunto de validación.
Modularización y categorización: Para capturar diversos patrones estructurales, el conjunto de validación (TSPLib/CVRPLib) se segmenta en categorías basadas en características estadísticas:
- Energía FFT: Mide la periodicidad o repetitividad global.
- Relación NN (Coeficiente de Variación): Mide la variación en las distancias de los vecinos más cercanos para distinguir entre disposiciones tipo rejilla, aleatorias o agrupadas.
- Basándose en estas métricas, las instancias se categorizan en tipos (por ejemplo, S1 para estructuras repetitivas, S2 para estructuras débilmente agrupadas/tipo rejilla, S3 para agregaciones locales). Se evolucionan generadores especializados para cada categoría.
Proceso evolutivo: El marco adapta el enfoque ReEvo (Evolución Reflexiva) con modificaciones específicas:
- Selección basada en rangos: Selecciona la descendencia basada en el ranking de aptitud para acelerar la convergencia.
- Selección retardada: La selección ocurre después del cruce y la mutación para evitar la eliminación prematura de candidatos diversos.
- Mecanismos de reflexión: Utiliza la reflexión a corto plazo (comparando pares de padres) y la reflexión a largo plazo (destilando conocimientos para guiar la mutación) para refinar iterativamente los generadores.

2. Estrategia de ajuste fino progresivo

Una vez identificados los generadores óptimos, los resolvedores neuronales preentrenados (POMO y LEHD) se someten a un proceso de ajuste fino progresivo de dos fases para cerrar la brecha sintético-real:

Fase Uno (Adaptación Estructural): El modelo se ajusta finamente utilizando datos sintéticos a gran escala generados por los generadores evolucionados y guiados por LLM. Esta fase expone al modelo a patrones estructurales diversos de estilo TSPLib (distribuciones mixtas de S1, S2, S3) sin modificar la arquitectura del modelo. El objetivo es alinear las representaciones internas del modelo con los priors estructurales de los datos del mundo real.
Fase Dos (Adaptación Directa): El modelo, ahora adaptado a diversas estructuras, se ajusta finamente de forma directa sobre las instancias reales de los benchmarks (TSPLib/CVRPLib). Esta fase permite que el modelo transicione de tareas sintéticas "fáciles" a casos reales "difíciles", estrechando efectivamente la brecha de rendimiento final.

Contribuciones clave

Marco EvoReal: La introducción de un nuevo marco que utiliza LLMs para evolucionar generadores de datos en lugar de resolvedores. Este enfoque sintetiza instancias de VRP estructuralmente realistas que imitan estadísticamente las distribuciones del mundo real, abordando la causa raíz de la brecha de generalización.
Estrategia de Ajuste Fino Progresivo: Una estrategia de adaptación de dos fases que primero alinea los resolvedores neuronales con distribuciones diversas evolucionadas por LLM y luego los refina con datos reales de benchmark. Esto permite una adaptación de dominio efectiva sin cambios arquitectónicos, superando el ajuste fino directo sobre los datos reales por sí solos.
Rendimiento de Vanguardia (SOTA): El marco demuestra mejoras significativas en la generalización a través de un amplio espectro de escalas de problemas en los benchmarks TSPLib y CVRPLib, logrando nuevos resultados de vanguardia para los resolvedores neuronales.

Resultados experimentales

Los autores evaluaron EvoReal en 70 problemas de TSPLib y 100 problemas de CVRPLib SetX, comparándolo con resolvedores clásicos (Concorde, LKH-3, ORTools) y varios baselines neuronales (POMO, LEHD, SGBS, CNF, etc.).

Rendimiento en TSPLib:
- LEHD (nuestro) con 50 iteraciones RRC logró una brecha de optimalidad global del 1.05% en TSPLib, superando significativamente a otros métodos basados en aprendizaje y reduciendo la brecha con Concorde.
- POMO (nuestro) redujo la brecha global al 11.59%, una mejora sustancial respecto al POMO preentrenado (26.66%).
- El método mostró una fortaleza particular en instancias de gran escala (1000–5000 nodos), donde los resolvedores neuronales tradicionales suelen degradarse significativamente.
Rendimiento en CVRPLib:
- LEHD (nuestro) logró una brecha global del 2.71% en CVRPLib SetX, superando a todos los demás resolvedores neuronales y manteniéndose competitivo con ORTools.
- La estrategia de ajuste fino progresivo redujo notablemente la disparidad de rendimiento entre instancias pequeñas y grandes.
Estudios de Ablación:
- Eliminar la Fase 1 o la Fase 2 de la estrategia de ajuste fino resultó en un rendimiento degradado, confirmando la necesidad del enfoque progresivo.
- Comparar los generadores evolucionados contra generadores de distribución ingenuos (Gaussian, Beta, etc.) mostró que los generadores evolucionados por LLM lograron consistentemente menores brechas de optimalidad, validando su capacidad para capturar características estructurales complejas.
- El marco demostró ser robusto entre diferentes LLMs, siendo OpenAI o3 el que produjo el mejor rendimiento del generador.

Significado y Reivindicaciones

El artículo afirma que EvoReal cierra con éxito la brecha de generalización entre los problemas de enrutamiento sintéticos y del mundo real al desplazar el enfoque de la evolución de los resolvedores hacia la evolución de las distribuciones de datos. Los autores enfatizan que su enfoque:

Automatiza el Descubrimiento: Permite el descubrimiento automatizado de generadores de datos que se alinean con los priors estructurales del mundo real, una tarea difícil de lograr con el diseño manual de heurísticas.
Eficiencia: Logra estas ganancias sin requerir un reentrenamiento costoso desde cero o modificaciones arquitectónicas en los actuales resolvedores neuronales SOTA.
Escalabilidad: El método es efectivo en una amplia gama de tamaños de problema, abordando específicamente la degradación de los resolvedores neuronales en instancias de gran escala donde anteriormente fallaban.
Superioridad sobre el Ajuste Fino Directo: Los resultados demuestran que adaptar los modelos mediante distribuciones sintéticas evolucionadas (Fase 1) antes del ajuste fino directo (Fase 2) produce una mejor generalización que el ajuste fino directo sobre datos reales, lo que sugiere que el "currículo" de adaptación estructural es crítico para la robustez.

Los autores concluyen que este pipeline de adaptación basado en generadores ofrece una dirección prometedora para mejorar la aplicabilidad práctica de los métodos de NCO en escenarios de logística y transporte del mundo real.