10

MetaDE: mejorar algoritmos evolutivos con algoritmos evolutivos

AI999第2课:演化计算的源流与多路线交汇
00:00

Las páginas anteriores presentaban losalgoritmos evolutivoscomo herramientas para resolver problemas: la población busca en el espacio de soluciones y la aptitud mide la calidad de las soluciones candidatas. MetaDE lleva esta relación un paso más allá y tratael propio algoritmo evolutivocomo objeto de evolución, empleando una capa evolutiva externa que busca «cómo debe ejecutarse la evolución diferencial interna». Así, el objetivo de optimización se amplía desde «hallar la solución del problema» hasta «mejorar el método de resolución».

MetaDE: arquitectura evolutiva de doble capa (interna y externa)Capa externa · Espacio de configuración de algoritmosCada individuo codifica un conjunto de configuración del algoritmoPoblación de configuracionesEstrategia de mutaciónFactor de escala FTasa de cruce CRTamaño de población NP① Generación y envío de la configuraciónAptitud externa = rendimiento de la tarea devuelto por la capa interna④ Actualización de la configuración② Resolución de la tarea · Espacio de soluciones interno (evolución diferencial)Codificar soluciones candidatasGenerar población según la configuraciónIteración de evolución diferencialMutación · Cruce · SelecciónEvaluar la aptitudDevolver el rendimiento de la tareaLa capa interna busca «la respuesta al problema» y produce la evidencia de rendimiento necesaria para evaluar las configuraciones de la capa externa③ Retroalimentación de rendimientoLos cuatro pasos del bucle cerrado1Generación de la configuraciónLa capa externa produce configuraciones candidatas2Resolución de la tareaLa capa interna resuelve la tarea según la configuración3Retroalimentación de rendimientoDevuelve las métricas de rendimiento de la tarea4Actualización de la configuraciónSelección · Recombinación · Mutación↻ Los cuatro pasos se repiten en ciclo y el algoritmo se adapta a la tareaEspacio de configuración ≠ Espacio de solucionesCapa externa: busca configuraciones de algoritmoCapa interna: busca la respuesta al problemaAmbas se acoplan mediante «configuración → rendimiento»Hacer que la propia búsqueda sea el objeto de búsqueda

Estructura de dos capas: evolución de la configuración y resolución de la tarea

  • Capa interna (espacio de soluciones): ejecuta la evolución diferencial con una estrategia de mutación y unos parámetros clave dados (como el factor de escala, la tasa de cruce y el tamaño de población), resuelve funciones de referencia o tareas de optimización de ingeniería, y produce el rendimiento de la tarea como aptitud.
  • Capa externa (espacio de configuración de algoritmos): cada individuo codifica un conjunto de configuración del algoritmo; su aptitud no la calcula él mismo, sino que viene determinada por el rendimiento que la capa interna devuelve tras resolver la tarea con dicha configuración. A partir de ello, la capa externa selecciona, recombina y muta, produciendo un comportamiento del algoritmo más adecuado a la tarea actual.
  • Bucle cerrado: generación de la configuración → resolución de la tarea → retroalimentación de rendimiento → actualización de la configuración. Estos cuatro pasos se repiten en ciclo, haciendo que el algoritmo se adapte y mejore según la tarea, en lugar de depender de parámetros fijados manualmente de antemano.

Distinción clave: espacio de configuración ≠ espacio de soluciones

La capa interna busca «la respuesta al problema»; la capa externa busca «el algoritmo que mejor encuentra respuestas». Aunque ambas están acopladas —la calidad de la capa externa solo puede medirse ejecutando realmente la capa interna—, difieren en el objeto de búsqueda, la forma de codificación y los criterios de evaluación. Tener esto claro es captar el esqueleto general de la metaoptimización:Hacer que la propia búsqueda sea el objeto de búsqueda.

Perspectiva de metaoptimización
El enfoque tradicional fija manualmente los parámetros de la evolución diferencial basándose en la experiencia; MetaDE también encomienda este paso a la búsqueda. El coste es inevitable: cada vez que la capa externa evalúa una configuración, debe ejecutar por completo una resolución de la capa interna, y el presupuesto de cómputo se multiplica, por lo que la granularidad del espacio de configuración y el presupuesto de evaluación deben equilibrarse con cuidado.