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».
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.
