Peningkatan Diri Metode Solusi dan Evolusi Algoritma

Algoritma evolusi memiliki pengaturan bawaan yang mudah diabaikan:yang berevolusi adalah solusi kandidat, sedangkan metode yang menghasilkan solusi kandidat itu sendiri tetap tidak berubah. Artinya,algoritma evolusi tradisional biasanya menjaga metode pencarian tetap, hanya membiarkan solusi kandidat berubah dalam iterasi——dalam keseluruhan proses pencarian, yang "bergerak" adalah solusi, sedangkan yang "tidak bergerak" adalah aturan. Halaman ini justru hendak memperkenalkan sudut pandang lain di luar pengaturan tersebut: membiarkan metode penyelesaian itu sendiri ikut masuk ke dalam proses pencarian dan perbaikan.

Paradigma Bawaan: Metode Terkunci, Solusi Berevolusi

Dalam pendekatan tradisional, metode crossover, strategi mutasi, dan hyperparameter biasanya ditetapkan sekali sebelum dijalankan, lalu tidak diubah lagi selama seluruh proses pencarian. Ketiganya secara langsung menentukan mekanisme pembentukan solusi kandidat dan sangat memengaruhi hasil penyelesaian: baik atau buruknya kinerja tugas, metode tetap diam di tempat.

Lapisan solusibergerak: solusi kandidat → evaluasi → seleksi → warisi, iterasi demi iterasi.
Lapisan metodetidak bergerak: strategi mutasi, metode crossover, dan hyperparameter telah ditetapkan dan terkunci.
Konsekuensinya: dengan hanya mengandalkan pengaturan awal dan penyetelan manual, metode penyelesaian itu sendiri tidak akan terus berevolusi mengikuti umpan balik tugas; perbaikan terutama bergantung pada pengalaman manusia dan penyetelan manual, dan kecepatannya sering kali tidak mampu mengikuti perubahan tugas.

Evolusi Algoritma: Jadikan Metode sebagai Objek yang Dapat Dicari

Pendekatan evolusi algoritma adalah: tidak lagi memperlakukan metode crossover, strategi mutasi, dan hyperparameter sebagai konfigurasi tetap, melainkan menjadikannya objek yang dapatdikandidatkan, dievaluasi, dan digantikan, yang bersama solusi kandidat diuji oleh kinerja penyelesaiannya——yakni membiarkan algoritma penyelesaian itu sendiri masuk ke dalam proses pencarian dan perbaikan, sehingga "metode" juga menjadi objek yang dapat berevolusi. Dengan demikian, di luar iterasi lapisan solusi yang sudah ada, muncul jalur umpan balik kedua——bukan hanya solusi yang membaik, metode pun ikut membaik.

Kedua jalur tersebut dapat diringkas dalam bahasa panah yang sederhana:elemen metode → hasilkan solusi kandidat → evaluasi kinerja penyelesaian → pertahankan atau ganti → pembaruan metode; pada saat yang sama, di dalam solusi kandidat tetap berlangsung iterasi reguler "hasilkan → evaluasi → seleksi → warisi". Yang pertama mengubah "bagaimana mencari", yang kedua mengubah "apa yang ditemukan".

Pergeseran Kunci

Dari "mencari solusi yang lebih baik dengan algoritma tetap", meluas menjadi "membiarkan algoritma memperbaiki dirinya sendiri selama proses penyelesaian". Untuk menilai apakah suatu sistem benar-benar melakukan evolusi algoritma, lihatlah apakah elemen metode telah dimasukkan ke dalam pencarian dan ditentukan keberlanjutannya oleh kinerja penyelesaian, bukan dipatok sekali oleh manusia.

Perbandingan Algoritma Tetap dan Evolusi Algoritma Mandiri

Sisi kiri menggambarkan paradigma tradisional: metode crossover, strategi mutasi, dan hyperparameter terkunci sebelum dijalankan, hanya solusi yang beriterasi dalam pembentukan, evaluasi, seleksi, dan pewarisan, sedangkan metodenya sendiri tidak berubah. Sisi kanan menambahkan jalur umpan balik kedua, sehingga elemen-elemen metode ini juga dicari, dievaluasi, dan digantikan, dengan keberlanjutannya ditentukan oleh kinerja penyelesaian, yakni algoritma memperbaiki dirinya sendiri selama proses penyelesaian.

Soal 1

Apa paradigma bawaan algoritma evolusi tradisional?

Metode pencarian tetap tidak berubah, hanya solusi kandidat yang berubah dalam iterasi

Mengevolusikan metode terlebih dahulu, lalu mencari solusi kandidat sekaligus

Hanya mengevolusikan hyperparameter, solusi kandidat itu sendiri tetap tidak berubah

Solusi kandidat dan metode pembentukannya dicari dan diperbarui secara bersamaan

Soal 2

Dalam pendekatan tradisional, kelompok elemen manakah yang secara langsung menentukan mekanisme pembentukan solusi kandidat?

Urutan penomoran dan nama tampilan solusi kandidat

Model perangkat keras dan tingkat paralelisme saat dijalankan

Proporsi pembagian dataset dan format label

Strategi mutasi, metode crossover, dan hyperparameter

Soal 3

Mengapa dengan hanya mengandalkan pengaturan awal dan penyetelan manual, metode penyelesaian itu sendiri tidak akan terus berevolusi mengikuti umpan balik tugas?

Karena algoritma evolusi tidak memiliki fungsi evaluasi

Karena solusi kandidat tidak dapat dihasilkan

Karena penyetelan manual dilakukan oleh manusia, elemen metode tidak dievaluasi dan digantikan secara otomatis berdasarkan kinerja penyelesaian

Karena hyperparameter tidak memiliki rentang nilai

Soal 4

Apa pergeseran inti "evolusi algoritma" yang diajukan di halaman ini?

Dari optimasi tujuan tunggal ke optimasi banyak tujuan

Dari "mencari solusi yang lebih baik dengan algoritma tetap" meluas menjadi "membiarkan algoritma memperbaiki dirinya sendiri selama proses penyelesaian"

Dari pencarian populasi ke penurunan gradien

Dari perancangan metrik evaluasi secara manual ke perancangan fungsi tujuan secara otomatis

Soal 5

Praktik manakah yang paling mencerminkan "metode itu sendiri masuk ke dalam proses pencarian dan perbaikan"?

Meningkatkan ukuran populasi dari 50 menjadi 500

Meningkatkan jumlah iterasi dari 100 menjadi 1000

Menjadikan metode crossover, strategi mutasi, dan sejenisnya sebagai objek yang dapat dicari, yang dikandidatkan, dievaluasi, dan digantikan berdasarkan kinerja penyelesaian

Mengganti fungsi evaluasi dengan fungsi yang lebih ketat

Studi Kasus: "Kegagalan" dan Perombakan Solver Penjadwalan Lini Produksi

Bacalah skenario berikut, lalu jawab pertanyaannya.

Sebuah tim membangun solver penjadwalan lini produksi pabrik menggunakan algoritma evolusi. Pada awal peluncuran, mereka menetapkan metode crossover, strategi mutasi, dan seluruh hyperparameter sekali saja, lalu setiap putaran penjadwalan hanya menghasilkan ulang usulan kandidat. Setengah tahun kemudian, struktur pesanan lini produksi, jumlah peralatan, dan aturan tenggat pengiriman berubah berkali-kali. Meskipun tim memperbesar ukuran populasi dan menambah jumlah iterasi, kualitas penyelesaian tetap menurun secara bertahap, dan kecepatan penyetelan manual pun tidak mampu mengikuti perubahan bisnis.

1. Berdasarkan isi halaman ini, jelaskan mengapa solver tim ini perlahan-lahan menjadi tidak efektif setelah perubahan bisnis, dan uraikan perbedaan mekanisme antara "penyetelan parameter" dan "evolusi algoritma".

Jawaban:
Poin referensi: Tim ini menggunakan paradigma bawaan——metode pencarian (metode crossover, strategi mutasi, hyperparameter) terkunci sekali sebelum dijalankan, dan selama iterasi hanya solusi kandidat yang berubah. Ketika struktur pesanan, jumlah peralatan, dan aturan tenggat pengiriman berubah, tuntutan tugas terhadap mekanisme pembentukan pun ikut berubah, tetapi metode yang terkunci tidak menerima umpan balik apa pun, sehingga solusi kandidat yang dihasilkan semakin tidak sesuai dengan tugas baru dan kinerjanya terus menurun.
Perbedaan mekanisme: penyetelan manual dinilai oleh manusia berdasarkan pengalaman, dan setelah diubah metode kembali terkunci, merupakan jalur "campur tangan manusia—berjalan tetap", dengan kecepatan dan cakupan yang terbatas oleh manusia; sedangkan evolusi algoritma memasukkan elemen metode itu sendiri ke dalam pencarian, membiarkannya dikandidatkan, dievaluasi, dan digantikan seperti solusi kandidat, dengan keberlanjutannya ditentukan secara otomatis berdasarkan kinerja penyelesaian, sehingga terbentuk jalur pembaruan metode yang berkelanjutan. Memperbesar populasi atau menambah iterasi hanya memperpanjang pencarian dalam metode yang sama, tanpa mengubah lapisan metode.

2. Rancanglah sebuah skema perombakan untuk solver ini dengan memperkenalkan evolusi algoritma: jelaskan elemen mana yang harus dimasukkan ke dalam pencarian, sinyal apa yang digunakan untuk mengevaluasi kinerjanya, bagaimana menentukan pertahankan atau ganti, dan tuliskan alur siklus tertutup yang lengkap.

Jawaban:
Poin referensi:
(1) Elemen yang dimasukkan ke dalam pencarian: metode crossover, strategi mutasi, hyperparameter, dan jika memungkinkan termasuk elemen metode lain seperti tekanan seleksi dan kondisi pengaktifan pencarian lokal.
(2) Sinyal evaluasi: gunakan kinerja penyelesaian solusi kandidat yang dihasilkan oleh elemen metode tersebut dalam satu periode evaluasi pada tugas penjadwalan nyata (seperti hasil berbobot dari indikator keterlambatan tenggat, jumlah pergantian lini, tingkat pemanfaatan peralatan, dan lain-lain) sebagai dasar kinerja metode, usahakan membandingkan pada kumpulan instans tugas yang sama untuk mengurangi noise.
(3) Pertahankan atau ganti: perlakukan kombinasi elemen metode sebagai objek yang dapat dikandidatkan; kombinasi yang berkinerja baik dipertahankan dan dijadikan dasar untuk putaran berikutnya, kombinasi yang berkinerja buruk dieliminasi, sekaligus mempertahankan sedikit gangguan acak untuk menjaga keragaman dan menghindari konvergensi dini.
(4) Alur siklus tertutup: elemen metode → hasilkan solusi kandidat → evaluasi kinerja penyelesaian → pertahankan atau ganti → pembaruan metode, lalu kembali ke tahap pembentukan; pada saat yang sama, di dalam solusi kandidat tetap berlangsung iterasi reguler "hasilkan → evaluasi → seleksi → warisi". Dengan demikian, saat solusi membaik, metode pun ikut diperbaiki.