Le pagine precedenti consideravanogli algoritmi evolutivicome strumenti per risolvere problemi: la popolazione esplora lo spazio delle soluzioni e la fitness misura la qualità delle soluzioni candidate. MetaDE spinge questa relazione un livello più in alto: consideral'algoritmo evolutivo stessocome oggetto dell'evoluzione, usando uno strato evolutivo esterno per cercare «come dovrebbe funzionare l'evoluzione differenziale interna». Così l'obiettivo di ottimizzazione si estende da «trovare la soluzione di un problema» a «migliorare il metodo di risoluzione».
Struttura a due livelli: evoluzione delle configurazioni e risoluzione dei task
- Livello interno (spazio delle soluzioni): esegue l'evoluzione differenziale con una data strategia di mutazione e parametri chiave (come fattore di scala, tasso di crossover e dimensione della popolazione), risolve funzioni di benchmark o task di ottimizzazione ingegneristica e produce le prestazioni del task come valore di fitness.
- Livello esterno (spazio delle configurazioni dell'algoritmo): ogni individuo codifica un insieme di configurazioni dell'algoritmo; la sua fitness non è calcolata direttamente, ma è determinata dalle prestazioni restituite dal livello interno dopo aver risolto il task con quella configurazione. Su questa base il livello esterno seleziona, ricombina e muta, producendo comportamenti dell'algoritmo più adatti al task corrente.
- Ciclo chiuso: generazione della configurazione → risoluzione del task → feedback sulle prestazioni → aggiornamento della configurazione, quattro passi che si ripetono ciclicamente, permettendo all'algoritmo di migliorare adattandosi al task invece di dipendere da parametri fissati manualmente in anticipo.
Distinzione chiave: spazio delle configurazioni ≠ spazio delle soluzioni
Il livello interno cerca «la risposta al problema», quello esterno cerca «l'algoritmo più abile nel trovare risposte». Sebbene siano accoppiati — la qualità del livello esterno può essere misurata solo facendo girare davvero quello interno — gli oggetti di ricerca, le modalità di codifica e i criteri di valutazione sono diversi. Comprendere questo significa afferrare lo scheletro universale della meta-ottimizzazione:Rendere la ricerca stessa l'oggetto della ricerca.
