最適化問題はますます複雑化し、多様化しているため、最適化技術の進展とパラダイムの革新が重要である。従来の最適化手法は非凸性や高次元性などの問題に対処するのが難しく、高効率かつ正確な情報を十分に活用できないことが多い。本研究では、花火アルゴリズム(FWA)を基本的な最適化手法として選び、多モーダル大規模言語モデル(MLLM)を活用する新しいアプローチを提案する。具体的には、複雑な高次元タスクにFWAを拡張するための「クリティカルパート(CP)」という概念を導入し、最適化過程での情報利用を強化。旅行セールスマン問題(TSP)と電子設計自動化問題(EDA)に焦点を当てた実験結果は、新しいフレームワーク下で得られたFWAが多くの問題において最先端の結果を達成または上回ることを示している。