本研究提出了一种基于基础模型和进化搜索的代理工作流程，解决了传统优化对人类专家的依赖。案例研究表明，该方法在学术与工业应用之间架起了桥梁，提升了优化问题的可扩展性和适应性。

本研究提出了一种结合强化学习与进化搜索的方法，以提高算法发现效率。实验结果表明，该混合策略在组合优化任务中具有显著优势，展示了其在算法设计中的潜力。

本研究提出了LLM-FE框架，结合进化搜索与大语言模型，克服传统特征工程的局限性。实验结果表明，LLM-FE在分类和回归任务中显著提升了表格预测模型的性能。