Transformasi Masalah: Dari Memilih Algoritma ke Proses Eksplorasi

Dalam penerapan praktis komputasi evolusioner, kesalahan awal yang umum adalah—saat menerima tugas langsung bertanya "saya harus pakai DE atau PSO". Kalimat ini menempatkanpemilihan algoritmadi pintu masuk penyelesaian masalah, padahal pertanyaan itu hanya menjawab "alat apa yang dipakai untuk mencari", dan tidak menjawab "apa yang dicari, apa yang dianggap baik, apa yang mutlak tidak boleh dilanggar". Yang benar-benar menentukan keberhasilan adalahkualitas definisi masalah.

Yang disebuttransformasi masalah, yaitu menulis ulang "algoritma mana yang dipilih" menjadi "merancang sebuah proses yang dapat dieksplorasi": pertama-tama perjelas apa yang bisa diubah dalam masalah nyata, bagaimana menilai setelah diubah, dan batasan mana yang harus dipenuhi, lalu biarkan algoritma secara iteratif menghasilkan dan menyaring kandidat dalam ruang pencarian tersebut. Dengan demikian pemilihan algoritma menjadi salah satu bagian dalam desain proses eksplorasi, bukan titik awalnya.

Empat definisi yang harus ditetapkan lebih dahulu

Objek yang dapat diubah: Menentukan parameter, struktur, strategi, atau proses mana yang boleh disesuaikan, sehingga terbentuk ruang pencarian dan batas pengodean. Tanpanya, solusi kandidat tidak dapat direpresentasikan dan tidak dapat dihasilkan.
Metode evaluasi: Mendefinisikan cara menilai baik-buruknya setelah perubahan, termasuk fungsi tujuan, metrik evaluasi, arah preferensi, serta ukuran kelayakan dan keberagaman. Cara evaluasi pada dasarnya menentukan ke arah mana pencarian akan bergerak.
Batasan inti: Membedakan batasan keras yang harus dipenuhi dari preferensi lunak yang dapat dipertukarkan. Mencampurkan batasan keras ke dalam fungsi tujuan dengan "memberi diskon" mudah menghasilkan solusi yang tampak bernilai tinggi tetapi sama sekali tidak dapat diterapkan.
Proses eksplorasi: Memformalkan masalah menjadi loop tertutup "generasi kandidat—evaluasi—umpan balik—generasi ulang", sehingga hasil evaluasi memengaruhi generasi berikutnya, bukan menetapkan pendekatan penyelesaian secara kaku sejak awal.

Perbedaan yang ditimbulkan oleh transformasi

Menghadapi tugas optimasi parameter, kebiasaan yang lazim adalah "pilih dulu satu algoritma—misalnya DE atau PSO—lalu mulai menyetel parameter". Pendekatan setelah transformasi adalah menjawab tiga pertanyaan secara berurutan: parameter mana yang dapat disetel? Metrik apa (atau metrik mana yang saling bertentangan) yang digunakan untuk menilai? Batasan mana yang mutlak tidak boleh dilanggar? Setelah ketiga pertanyaan ini terjawab, tugas telah diformalkan menjadi masalah multi-tujuan yang dapat dihubungkan ke pemecah evolusioner; pada titik ini menentukan algoritma mana yang dipakai dan konfigurasi operator apa untuk mengeksplorasi hanyalah keputusan teknik yang dapat diganti di dalam loop tertutup. Dengan kata lain, algoritma bukan jawabannya itu sendiri, ia hanya salah satu bagian yang dapat dikonfigurasi dalam proses eksplorasi, dan kualitas definisi masalahlah yang menentukan batas atas eksplorasi.

Kesalahpahaman umum

Mengaitkan "kinerja algoritma buruk" langsung pada algoritma itu sendiri, namun mengabaikan tiga hal yang lebih mendasar: definisi ruang pencarian yang kabur, metrik evaluasi yang tidak selaras dengan tujuan bisnis nyata, dan tidak adanya batasan keras. Memperbaiki definisi masalah terlebih dahulu, baru membahas penggantian algoritma, sering kali lebih efektif daripada berganti algoritma berulang-ulang.

Alur transformasi masalah

Diagram mengubah tugas penyelesaian dari "pilih DE atau PSO dulu" menjadi alur yang dapat dieksplorasi: tentukan dulu objek yang dapat diubah, metode evaluasi, dan batasan inti, lalu biarkan generasi kandidat, evaluasi, umpan balik, dan generasi ulang membentuk loop tertutup. Pemilihan algoritma karenanya hanyalah satu bagian yang dapat diganti dalam loop tertutup, dan kualitas definisi masalahlah yang menentukan batas atas eksplorasi.

Soal 1

Saat mengubah "algoritma mana yang dipilih" menjadi "merancang sebuah proses yang dapat dieksplorasi", apa yang harus diperjelas pada langkah pertama?

Menentukan parameter, struktur, strategi, atau proses mana yang boleh disesuaikan, sehingga terbentuk ruang pencarian dan batas pengodean

Tetapkan dulu ukuran populasi menjadi 100

Putuskan dulu apakah memakai DE atau PSO

Tentukan dulu jumlah total generasi iterasi

Soal 2

Mengenai peran "metode evaluasi" dalam transformasi masalah, manakah deskripsi berikut yang paling akurat?

Metode evaluasi ditentukan secara otomatis oleh algoritma yang dipilih, tidak terkait dengan tugas

Metode evaluasi harus mendefinisikan cara menilai baik-buruknya setelah perubahan, termasuk fungsi tujuan, metrik, preferensi, serta ukuran kelayakan dan keberagaman

Metode evaluasi hanya perlu dihitung sekali pada iterasi terakhir

Metode evaluasi berarti semakin tinggi akurasi semakin baik, tidak perlu metrik lain

Soal 3

Persyaratan penerapan sebuah layanan daring adalah "latensi P99 tidak boleh melebihi 80 milidetik". Dalam transformasi masalah, ini termasuk kategori apa?

Salah satu dimensi pengodean ruang pencarian

Batasan keras yang harus dipenuhi, semua solusi yang dihasilkan eksplorasi tidak boleh melanggarnya

Preferensi lunak yang dapat dipertukarkan dan dilepaskan bila perlu

Salah satu poin bonus dalam fungsi tujuan

Soal 4

Memformalkan masalah menjadi loop tertutup "generasi kandidat—evaluasi—umpan balik—generasi ulang", dibandingkan dengan pemilihan algoritma sekali saja, apa perbedaan kuncinya?

Loop tertutup pasti berhitung lebih cepat daripada pemilihan sekali saja

Loop tertutup membuat hasil evaluasi mengubah generasi berikutnya, sehingga arah pencarian terus disesuaikan, bukan menetapkan pendekatan secara kaku sejak awal

Loop tertutup tidak lagi perlu mendefinisikan batasan apa pun

Loop tertutup hanya bisa berlaku jika menggunakan algoritma berbasis populasi

Soal 5

Mengapa dikatakan "algoritma bukan jawabannya itu sendiri"?

Karena implementasi algoritma selalu memiliki kekurangan

Karena kualitas definisi masalah menentukan batas atas eksplorasi, dan algoritma hanyalah komponen yang dapat dikonfigurasi dan diganti dalam proses eksplorasi

Karena algoritma berjalan tidak stabil pada perangkat keras paralel

Karena algoritma evolusioner pasti konvergen ke optimum lokal

Studi Kasus: Penyetelan Multi-Tujuan Model Perankingan Rekomendasi

Baca skenario berikut, ubah tugas dari "memilih algoritma" menjadi "merancang proses yang dapat dieksplorasi", lalu jawab dua pertanyaan.

Sebuah sistem rekomendasi daring perlu mengoptimalkan model perankingannya. Objek yang dapat disesuaikan meliputi: laju pembelajaran, koefisien regularisasi, jumlah lapisan jaringan, jumlah attention head, serta strategi kombinasi fitur. Tim ingin meningkatkan AUC offline sekaligus menekan biaya inferensi daring melalui penyetelan ini. Metrik yang tersedia adalah: AUC set validasi offline, latensi inferensi P99 daring, jumlah parameter model, jumlah fitur. Persyaratan penerapan yang diketahui adalah: latensi P99 tidak melebihi 80 milidetik, penggunaan memori GPU tidak melebihi 12GB, dan model yang dihasilkan harus dapat langsung diterapkan pada kerangka inferensi yang ada. Dengan memenuhi persyaratan di atas, tim lebih menginginkan model dengan parameter lebih sedikit dan latensi lebih rendah. Saat ini fokus perdebatan tim adalah: apakah harus memakai DE atau PSO.

1. Tuliskan tugas ini sebagai definisi masalah "objek yang dapat diubah—metode evaluasi—batasan inti", dan tentukan dengan jelas mana yang termasuk batasan keras dan mana yang termasuk preferensi lunak.

Jawaban:
Objek yang dapat diubah (ruang pencarian dan pengodean): laju pembelajaran, koefisien regularisasi, jumlah lapisan jaringan, jumlah attention head, strategi kombinasi fitur—kuantitas kontinu dan struktur diskret ini bersama-sama membentuk pengodean solusi kandidat. Metode evaluasi: Ini adalah masalah multi-tujuan—AUC offline perlu dimaksimalkan, latensi P99 daring dan jumlah parameter model perlu diminimalkan, sekaligus keberagaman antar kandidat dapat dijadikan ukuran tambahan; terdapat konflik tujuan yang jelas antara AUC dan latensi, sehingga hasil evaluasi harus menghasilkan kumpulan kandidat, bukan skor tunggal. Batasan inti: latensi P99 ≤ 80 milidetik, memori GPU ≤ 12GB, dapat langsung diterapkan pada kerangka inferensi yang ada, ketiganya termasuk batasan keras yang harus dipenuhi, dan setiap solusi kandidat yang melanggarnya menjadi tidak layak. Preferensi lunak: "parameter lebih sedikit, latensi lebih rendah" termasuk preferensi lunak yang dapat dipertukarkan dengan tetap memenuhi batasan keras, digunakan untuk mengurutkan antar solusi layak, bukan untuk menyaring.

2. Mengapa tidak seharusnya bertanya "memakai DE atau PSO" terlebih dahulu? Jelaskan bagaimana tugas ini diorganisir menjadi proses eksplorasi loop tertutup, dan jelaskan bagaimana menjamin hasilnya dapat diterapkan.

Jawaban:
Pemilihan algoritma adalah salah satu bagian di dalam desain proses, bukan titik awal penyelesaian: sebelum ruang pencarian, metode evaluasi, dan batasan diperjelas, perbandingan algoritma apa pun tidak memiliki dasar pembanding yang seragam, dan membahas "DE atau PSO" hanyalah membandingkan dua proses eksplorasi yang belum terdefinisi. Cara mengorganisir loop tertutup: ①Generasi kandidat—mengambil sampel hyperparameter dan konfigurasi struktur sesuai ruang pencarian; ②Evaluasi—menghitung AUC secara paralel pada set validasi, serta mengukur atau memperkirakan latensi inferensi dan penggunaan memori GPU, sekaligus memeriksa batasan keras; ③Umpan balik—memperbarui distribusi pencarian dan tekanan seleksi berdasarkan keunggulan multi-tujuan dan preferensi, memusatkan sumber daya pada wilayah yang lebih menjanjikan; ④Generasi ulang—menghasilkan generasi kandidat baru dengan distribusi yang telah diperbarui, berulang terus. Jaminan penerapan: menjadikan latensi P99, memori GPU, dan kompatibilitas kerangka sebagai batasan keras, langsung dinilai tidak layak dan disingkirkan pada tahap generasi atau evaluasi, untuk menghindari solusi "metriknya bagus tapi tidak dapat diterapkan"; untuk metrik mahal seperti latensi, dapat disaring terlebih dahulu dengan model proksi atau pengujian skala kecil, lalu verifikasi lengkap dilakukan pada sejumlah kecil kandidat. Pada akhirnya menghasilkan sekumpulan solusi kandidat yang tersebar baik pada pertukaran tujuan, diserahkan untuk keputusan teknik dan produk, sedangkan algoritma spesifik yang dipakai (DE, PSO, atau strategi campuran) hanyalah pilihan komponen yang dapat diganti di dalam loop tertutup.