10

MetaDE: migliorare gli algoritmi evolutivi con gli algoritmi evolutivi

AI999第2课:演化计算的源流与多路线交汇
00:00

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».

MetaDE: architettura evolutiva a due livelli interno ed esternoLivello esterno · spazio delle configurazioni dell'algoritmoOgni individuo codifica un insieme di configurazioni dell'algoritmoPopolazione di configurazioniStrategia di mutazioneFattore di scala FTasso di crossover CRDimensione della popolazione NP① Generazione e invio delle configurazioniFitness esterna = prestazioni del task restituite dal livello interno④ Aggiornamento delle configurazioni② Risoluzione del task · spazio delle soluzioni interno (evoluzione differenziale)Codifica delle soluzioni candidateGenerazione della popolazione secondo la configurazioneIterazione dell'evoluzione differenzialeMutazione · Crossover · SelezioneValutazione della fitnessRestituzione delle prestazioni del taskIl livello interno cerca «la risposta al problema» e produce le evidenze di prestazione necessarie per valutare le configurazioni esterne③ Feedback sulle prestazioniI quattro passi del ciclo chiuso1Generazione della configurazioneIl livello esterno produce configurazioni candidate2Risoluzione del taskIl livello interno risolve il task secondo la configurazione3Feedback sulle prestazioniRestituzione delle metriche di prestazione del task4Aggiornamento della configurazioneSelezione · Ricombinazione · Mutazione↻ I quattro passi si ripetono ciclicamente, l'algoritmo si adatta al taskSpazio delle configurazioni ≠ Spazio delle soluzioniLivello esterno: cerca configurazioni dell'algoritmoLivello interno: cerca la risposta al problemaI due livelli sono accoppiati da «configurazione → prestazioni»Rendere la ricerca stessa l'oggetto della ricerca

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.

Prospettiva di meta-ottimizzazione
L'approccio tradizionale fissa manualmente i parametri dell'evoluzione differenziale basandosi sull'esperienza; MetaDE affida anche questo passo alla ricerca. Ne deriva un costo: ogni volta che il livello esterno valuta una configurazione, deve eseguire completamente una risoluzione del livello interno, e il budget computazionale cresce in modo esponenziale; perciò la granularità dello spazio delle configurazioni e il budget di valutazione vanno ponderati con attenzione.