Les algorithmes évolutionnaires reposent sur un postulat par défaut souvent négligé :ce sont les solutions candidates qui évoluent, tandis que la méthode qui les génère reste inchangée. Autrement dit,les algorithmes évolutionnaires traditionnels gardent généralement la méthode de recherche figée et ne font varier que les solutions candidates au fil des itérations— durant toute la recherche, ce qui « bouge », ce sont les solutions ; ce qui « ne bouge pas », ce sont les règles. Cette page introduit précisément une autre perspective, au-delà de ce postulat : faire entrer la méthode de résolution elle-même dans le processus de recherche et d'amélioration.
Paradigme par défaut : la méthode est verrouillée, les solutions évoluent
Dans l'approche traditionnelle, le mode de croisement, la stratégie de mutation et les hyperparamètres sont généralement choisis une fois pour toutes avant l'exécution, puis restent inchangés durant toute la recherche. Ils déterminent directement le mécanisme de génération des solutions candidates et influencent nettement les résultats : que la tâche réussisse ou échoue, la méthode reste figée.
- Couche solutionen mouvement : solutions candidates → évaluation → sélection → hérédité, itération après itération.
- Couche méthodeimmobile : stratégie de mutation, mode de croisement et hyperparamètres sont prédéfinis et verrouillés.
- Conséquence : avec un simple préréglage et un réglage manuel, la méthode de résolution n'évolue pas en continu selon les retours de la tâche. L'amélioration repose essentiellement sur l'expérience humaine et le réglage manuel, dont la vitesse ne suit souvent pas l'évolution des tâches.
Évolution d'algorithmes : faire de la méthode un objet de recherche à part entière
L'évolution d'algorithmes consiste à ne plus traiter le mode de croisement, la stratégie de mutation et les hyperparamètres comme une configuration figée, mais à en faire des objets pouvant êtrecandidatés, évalués et remplacés, soumis avec les solutions candidates à l'épreuve de la performance de résolution — autrement dit, faire entrer l'algorithme de résolution lui-même dans le processus de recherche et d'amélioration, pour que la « méthode » devienne elle aussi un objet évolutif. On obtient ainsi, en plus des itérations de la couche solution, une seconde boucle de rétroaction : non seulement les solutions s'améliorent, mais la méthode aussi.
Les deux boucles se résument en une simple chaîne de flèches :Éléments de méthode → Génération de solutions candidates → Évaluation de la performance de résolution → Conservation ou remplacement → Mise à jour de la méthode; en parallèle, les solutions candidates poursuivent leurs itérations classiques « Génération → Évaluation → Sélection → Hérédité ». La première boucle change « comment chercher », la seconde change « ce qui a été trouvé ».
Comparaison entre algorithme figé et auto-évolution d'algorithmeÀ gauche, le paradigme traditionnel : le mode de croisement, la stratégie de mutation et les hyperparamètres sont verrouillés avant l'exécution ; seules les solutions itèrent par génération, évaluation, sélection et hérédité, la méthode restant inchangée. À droite, une seconde boucle de rétroaction s'ajoute : ces éléments de méthode sont eux aussi recherchés, évalués et remplacés, leur maintien dépendant de la performance de résolution — l'algorithme s'améliore ainsi lui-même en cours de résolution.
