近年来，见证了超启发式技术在众多现实应用中的巨大成功。 超启发式算法通过操纵一组低级启发式算法（LLH）来解决问题，并旨在实现算法设计过程的自动化，从而提高了搜索方法的通用性。 但是，这些LLH通常是参数化的，这可能与超启发式方法的独立于域的动机相矛盾。 在本文中，我们展示了如何使用具有LLP自适应功能的超启发式算法（AD-HH）自动维护低级参数（LLP），并通过自适应地维护两个超启发式模型的LLP来举例说明AD-HH的可行性。 此外，为了解决由于LLP适应引起的搜索空间扩展，我们应用启发式空间