Gagasan Inti dan Lompatan Evolusi Metode

Pelajaran sebelumnya mengorganisasi proses evolusi menjadi tensor yang dapat dihitung secara menyeluruh, menyelesaikan masalah efisiensi evaluasi kandidat dalam skala besar. Halaman ini melangkah lebih jauh: jika objek optimasi bukan hanya jawaban kandidat, melainkanmetode yang menghasilkan jawaban kandidat, apa yang akan terjadi? Lompatan inti dari evolusi metode (Meta-Evolution) adalah mengubah "metode yang menghasilkan solusi kandidat" itu sendiri menjadi objek optimasi: bukan lagi hanya mengevolusikan jawaban, melainkan mengevolusikan algoritma, strategi, atau operator yang menghasilkan dan memperbaiki jawaban, sehingga algoritma berubah dari alat yang tetap menjadi pemecah masalah yang terus berevolusi.

I. Dari "Mengevolusikan Jawaban" ke "Mengevolusikan Metode"

Jalur tradisional dapat ditulis sebagai rantai satu arah:masalah → algoritma tetap → solusi kandidat. Peneliti terlebih dahulu memilih algoritma atau operator, lalu membiarkan algoritma mencari di ruang masalah, dan algoritma itu sendiri tidak berubah. Evolusi metode menulis ulang rantai tersebut menjadi:keluarga masalah/lingkungan → ruang metode yang dapat dievolusikan → pembangkit kandidat → evaluasi solusi kandidat → pembaruan metode → pembangkitan ulang. Variabel optimasi bergeser dari solusi x meluas ke metode, operator, aturan hiperheuristik, atau proses pembangkitan kandidat m. "Metode" di sini dapat berupa strategi mutasi dalam evolusi diferensial, bobot inersia dan topologi dalam kawanan partikel, operator pencarian lokal, maupun aturan pemilihan dan penjadwalan algoritma pada tingkat yang lebih tinggi.

II. Lima Perubahan Kunci

• Perluasan objek evolusi: dari solusi, parameter, dan struktur, meluas ke metode, operator, aturan hiperheuristik, atau proses pembangkitan kandidat.
• Perumusan ulang masalah: masalah optimasi berubah dari "mencari solusi optimal di bawah algoritma yang diberikan" menjadi "mengevolusikan pemecah masalah yang lebih mahir menemukan solusi dalam tugas atau lingkungan".
• Hubungan umpan balik: metode menghasilkan kandidat dan menerima evaluasi tugas; hasil evaluasi kemudian mendorong mutasi, seleksi, dan rekombinasi metode, membentuk umpan balik berkelanjutan antara lapis metode dan lapis solusi.
• Pergeseran kriteria evaluasi: kualitas metode tidak hanya dilihat dari hasil optimal sekali jalan, melainkan dari generalisasi lintas tugas dan lintas lingkungan, ketangguhan, keberagaman, serta biaya komputasi.
• Perubahan peran: peneliti tidak lagi hanya merancang alur yang tetap, melainkan merancang ruang metode yang dapat dievolusikan, sinyal umpan balik, dan mekanisme seleksi.

III. Mengapa Lingkaran Umpan Balik Itu Krusial

Lapis metode dan lapis solusi bukanlah dua siklus optimasi yang independen. Lapis metode menghasilkan sebuah pembangkit kandidat; lapis solusi menggunakannya untuk membangkitkan kandidat pada tugas spesifik dan memperoleh evaluasi; evaluasi tersebut setelah diagregasi atau dialokasikan kreditnya kembali ke lapis metode, mendorong mutasi, seleksi, dan rekombinasi metode itu sendiri. Jika sinyal umpan balik terlalu jarang atau hanya memberi imbalan pada hasil optimal jangka pendek, lapis metode mudah mengalami overfitting pada satu tugas saja; jika sinyal umpan balik mencakup generalisasi lintas tugas dan keberagaman, lapis metode baru dapat mempelajari metastrategi yang "lebih mahir menemukan solusi". Ini dapat dipahami sebagai membuka lapisan pencarian evolusioner lagi pada ruang metode, namun evaluasinya tidak terlepas dari kinerja nyata lapis solusi.

IV. Landasan Konseptual: MetaDE dan AutoPSO

Evolusi metode bukan sekadar slogan. MetaDE menjadikan strategi, parameter, bahkan kombinasi operator dari evolusi diferensial sebagai objek yang dapat dievolusikan; AutoPSO memasukkan struktur, parameter, atau topologi kawanan partikel ke dalam pencarian otomatis. Keduanya berbagi titik tolak yang sama: memasukkan "metode yang menghasilkan kandidat" sebagai objek optimasi, mewujudkan evolusi diri algoritma. Halaman ini terlebih dahulu membangun landasan konseptual yang terpadu; arsitektur spesifik dan evolusi struktur algoritma akan dibahas pada bagian berikutnya.