En métodos como MetaDE, la evolución ocurre en elnivel de parámetros: el algoritmo interno resuelve la tarea real y el algoritmo externo ajusta la configuración y la estrategia del interno. Sin embargo, AutoPSO y EvoGO elevan el objeto de evolución un nivel más: evolucionan directamentela propia estructura del algoritmo: cómo se combinan los componentes, cómo se generan los candidatos y cómo se organizan las reglas de actualización.
Criterio: qué busca realmente el nivel externo
Para distinguir entre "ajustar parámetros" y "cambiar la estructura" no basta con mirar el nombre del método, sinoel nivel del espacio de búsqueda externo. En métodos como MetaDE, el espacio de búsqueda externo son la configuración y la estrategia del algoritmo interno (valores como el factor de aprendizaje, la probabilidad de mutación, la presión selectiva, etc.); en AutoPSO / EvoGO, el espacio de búsqueda externo es la estructura del algoritmo: qué componentes participan en la combinación, cómo es el flujo de generación de candidatos y cómo se actualizan los estados.
- nivel de parámetros: la estructura es fija, solo se ajustan valores. El alcance posible es la "intensidad" del comportamiento.
- Nivel estructural: los componentes y las conexiones son variables. El alcance posible es la "forma" del comportamiento.
AutoPSO: descomponer el PSO clásico en un pool de componentes
La fórmula de actualización de velocidad-posición del PSO clásico está fijada de antemano. AutoPSO descompone este proceso en componentes combinables: término de velocidad, topología de vecindad, término de perturbación, estrategia de reinicio, etc., que luego el nivel externo selecciona y ensambla en un nuevo generador de candidatos. Ya no utiliza la estructura de actualización clásica fija, sino que convierte la "estructura de actualización" misma en una variable que se puede buscar. Ajustar los factores de aprendizaje solo cambia la intensidad del comportamiento; modificar la combinación de componentes es lo que cambia su forma.
EvoGO: dejar que la retroalimentación histórica decida hacia dónde cambiar la estructura
EvoGO se centra en incorporar la retroalimentación histórica en la ruta de evolución estructural: las trayectorias de búsqueda previas y los registros de rendimiento ya no se usan solo para "seleccionar soluciones", sino para decidir "hacia dónde cambiar la estructura en el siguiente paso". Así, la retroalimentación pasa de ser un filtro de resultados a ser el timón de la actualización estructural: lo que cambia es la dirección de los candidatos estructurales de la siguiente ronda, y no simplemente elegir un buen resultado entre un lote de candidatos ya completados.
Esqueleto de dos niveles compartido e implicaciones de ingeniería
Ambos comparten el mismo esqueleto: el algoritmo interno se ejecuta en tareas reales y el nivel externo evoluciona la estructura a partir del rendimiento del interno. El requisito clave es la densidad de muestras: ejecutar por lotes en paralelo con GPU una gran cantidad de tareas internas hace que las muestras de comparación "estructura-rendimiento" sean lo bastante densas, de modo que la selección externa tenga significado estadístico y no se deje llevar por el ruido de una sola ejecución.
Relación de evolución estructural entre AutoPSO y EvoGOLa ilustración compara la evolución en el nivel de parámetros y en el nivel estructural: el nivel externo de MetaDE busca valores de configuración como el factor de aprendizaje y la probabilidad de mutación, con la estructura del algoritmo fija; el nivel externo de AutoPSO y EvoGO busca cómo se combinan los componentes y cómo se organizan la generación de candidatos y las reglas de actualización. AutoPSO descompone la actualización del PSO en un pool de componentes como el término de velocidad, la topología de vecindad, la perturbación y el reinicio, para que el nivel externo los seleccione y ensamble; EvoGO, en cambio, usa la retroalimentación de trayectorias históricas para decidir hacia dónde cambiar la estructura en el siguiente paso.
