Evoluzione a doppio livelloDisaccoppia la «risoluzione di compiti specifici» e il «miglioramento dei metodi risolutivi» in due cicli evolutivi che interagiscono tra loro:Livello internoorientato alla risoluzione dei compiti e alla generazione di prestazioni operative,Livello esternoevolve la configurazione e le strategie dell'algoritmo interno in base a tali prestazioni, dando così origine a un meccanismo di miglioramento algoritmico adattivo. Non si tratta di una semplice concatenazione di due algoritmi, bensì dell'aggiunta di un controllo meta-livello evolvibile al di sopra del livello di risoluzione dei compiti, il che sposta il sistema dalla «configurazione manuale dell'algoritmo» all'«adattamento automatico dell'algoritmo al compito».
Divisione dei compiti tra livello interno e livello esterno
- Compito del livello interno: risolve i compiti reali, generando soluzioni candidate, valori obiettivo e dati sulle prestazioni operative. Si occupa di «risolvere il problema».
- Compito del livello esterno: non risolve direttamente il compito originale, ma evolve la configurazione, le strategie e i parametri dell'algoritmo interno. Si occupa di «migliorare il metodo di risoluzione».
- Anello di retroazione: i risultati di valutazione dei compiti del livello interno vengono aggregati in un segnale di fitness per il livello esterno, utilizzato per selezionare, mutare e aggiornare configurazioni interne migliori.
- Meccanismo adattivo: il livello esterno adegua continuamente le strategie del livello interno in base ai cambiamenti dei compiti e dell'ambiente.
- Supporto al parallelismo: la GPU può eseguire in parallelo numerosi compiti del livello interno, fornendo all'evoluzione del livello esterno un feedback statistico più ricco e riducendo i costi di attesa della ricerca.
MetaDE: migliorare l'evoluzione con l'evoluzione
Prendendo MetaDE come esempio, il DE interno si occupa dei compiti di ottimizzazione specifici, mentre l'algoritmo evolutivo esterno seleziona e regola la configurazione e le strategie del DE in base alle prestazioni operative del livello interno; i risultati di numerosi compiti interni guidano a ritroso la selezione della configurazione esterna, formando un doppio anello chiuso che «migliora l'evoluzione con l'evoluzione».
Obiettivi di apprendimento
Padroneggiare la relazione di collaborazione tra la risoluzione dei compiti del livello interno e l'ottimizzazione delle strategie del livello esterno, comprendere che l'evoluzione dei metodi consiste nell'aggiungere un controllo meta-livello evolvibile al di sopra del livello interno, e saper spiegare come il parallelismo GPU fornisca al livello esterno un feedback statistico più affidabile.
Interazione dell'architettura evolutiva a doppio livelloL'illustrazione rappresenta la divisione dei compiti tramite due cicli, interno ed esterno: il livello interno risolve i compiti reali e produce soluzioni candidate e prestazioni operative, mentre il livello esterno aggrega tali prestazioni in una fitness, selezionando, mutando e aggiornando la configurazione e le strategie dell'algoritmo interno. Il parallelismo GPU esegue numerosi compiti del livello interno, fornendo al livello esterno un feedback statistico più ricco e formando un doppio anello chiuso che «migliora l'evoluzione con l'evoluzione».
