アルゴリズム自身の進化：答えを求めることから手法を改善することへ

従来の進化アルゴリズムは固定された生成メカニズムの下で動作します。選択・交叉・変異といった「答えをどう生み出すか」のルールは人があらかじめ書き込み、探索は答えの空間内を移動するだけで、最適化される対象は常に候補解でした。しかし計算資源の規模が拡大すると、この前提がむしろ天井となります。候補を生み出す手法が変わらなければ、システムは既定のパターンを繰り返すしかありません。

手法進化（メタ進化）は問題を一段上に押し上げます。アルゴリズムはより良い答えを出力するだけでなく、外側の探索を通じて答えを生み出す戦略・パラメータ・コンポーネントを継続的に改善し、「答えを求める」ことから「手法を改善する」ことへの進化を遂げます。EvoX はまさにこの路線に沿って進められた研究であり、候補生成の手法そのもの（例えば差分進化の変異戦略やパラメータ設定）を進化の対象に組み込みます。

二層のロジック：内層は答えを求め、外層は手法を改める

内層：利用現在の手法具体的な問題を解き、候補解を生成します。
外層：解の品質・選好信号・安定性・コストなどのフィードバックに基づき、次ラウンドで使用する手法を改善します。
探索空間へ引き上げられる対象は、ある一つの解ではなく候補生成メカニズムそのものです。だからこそ、それは評価・選択・更新が可能な対象となるのです。

選好最適化はどの層に置くべきか

選好最適化は上層のフィードバックに関与できますが、二種類の目的を切り分ける必要があります：現在の答えを評価することと答えを生み出す手法を改善すること。「この解がより好ましい」をそのまま「この戦略がより優れている」と読み替えるのは、答えの選好を手法の優劣と偽ることであり、外層探索は単一回の結果のノイズに振り回されてしまいます。

典型的な形態

MetaDE は外層で差分進化の変異戦略とパラメータを進化させ、内層は通常通りタスクを解きます。AutoPSO と EvoGO はさらに粒子群のコンポーネントを組み合わせ、履歴フィードバックを利用して候補生成方式を学習し、「パラメータの変更」から「アルゴリズム構造の変更」への飛躍を実現しました。

何を得て、何を払うか

この転換はアルゴリズム設計を一度きりの人手によるパラメータ調整から持続的な自己適応へと押し進めますが、代償もまた明確です：探索空間の膨張（手法空間は解空間よりはるかに大きい）、評価コストの上昇（各候補手法ごとに内層タスクを実行する必要があり、通常は GPU 並列バッチ評価で薄める必要がある）、検証の複雑さの増大（外層の改善が本当に汎化するかは、独立した検証設計を必要とする）。

二層進化ロジックの構成図

図は進化を内外二層に分けています。内層は現在の手法で具体的な問題を解き候補解を生成し、外層は解の品質・選好・安定性・コストなどのフィードバックに基づき、次ラウンドで候補を生成する戦略・パラメータ・コンポーネントを改善します。これにより探索対象は解から候補生成メカニズムへと引き上げられます。

問題 1

従来の進化アルゴリズムと比較して、手法進化の「最適化対象」における最も本質的な違いは何でしょうか？

「答えをどう生み出すか」の戦略・パラメータ・オペレータコンポーネントそのものを探索対象に組み込むことです。

答えの空間でより長く探索するために、個体群の規模をより大きく調整するだけです。

適応度評価を廃止し、人手による採点だけで優劣を決めます。

選択・交叉・変異などのオペレータをニューラルネットワークで完全に置き換えます。

問題 2

内外二層構造において、外層探索の直接的な判断根拠は何でしょうか？

外層にも多様性を保たせるための純粋なランダムノイズです。

評価を一切経ない、内層の候補解の生の数値です。

解の品質・選好信号・安定性・コストなど、内層タスクのパフォーマンスから得られるフィードバックです。

各反復後にエンジニアが手作業で指定する新しいパラメータです。

問題 3

手法進化システムにおける選好最適化の役割について、最も適切な扱いは次のどれでしょうか？

答えの選好で内層の適応度関数を直接置き換え、二層で一つのスコアを共有させます。

選好信号を上層フィードバックに関与させつつ、「現在の答えを評価すること」と「生成手法を改善すること」を二種類の目的として個別に扱います。

ある答えに対するユーザーの選好を、そのまま手法の優劣の唯一の判断基準とします。

選好最適化が内層・外層のいかなる段階にも入ることを完全に禁止します。

問題 4

手法進化を採用する際、受け入れなければならない代償は次のどれでしょうか？

内層の求解には、もはや評価の段階が一切不要になります。

外層探索はフィードバック信号が一切なくても収束します。

解空間は自動的に非常に小さく圧縮され、内層はほぼ探索が不要になります。

手法空間の膨張、各手法ごとに内層評価コストが発生すること、そして検証の難易度が上がることです。

問題 5

MetaDE と AutoPSO の記述について、正確なものはどれでしょうか？

AutoPSO と EvoGO の役割は、アルゴリズム構造の改善からパラメータ変更だけに後退することです。

AutoPSO は学習率という一つのスカラーパラメータのみを調整し、その他のコンポーネントは固定されたままです。

MetaDE は内層アルゴリズムを廃止し、外層から直接最終的な答えを出力します。

MetaDE は外層で差分進化の変異戦略とパラメータを進化させ、内層は引き続き具体的なタスクの候補求解を担います。

ケース：チップ配置最適化のための手法進化システムの構築

シナリオを読み、以下の二つの問いに答えてください。

あるチームが GPU クラスタ上でチップ配置を最適化しようとしています。彼らは既に差分進化ベースのソルバーを持っていますが、変異戦略とパラメータは長らく人手による経験に依存しており、配置タスクによって性能の変動が顕著です。チームは MetaDE 型の二層最適化の導入を計画しています：内層は現在の構成で具体的な配置問題を解き、外層は内層タスクのパフォーマンスに基づいて構成を改善します。さらに、ユーザーの選好（より短い配線長、より低い混雑を好む）によって探索方向を導くことを望んでいます。

1. このシステムの内層と外層それぞれについて、入力・出力・フィードバック信号を定義し、単一の内層解の結果をそのまま外層の最適化目標としてはいけない理由を説明してください。

解答：
内層：入力は現在の手法（変異戦略とパラメータ構成）および具体的な配置問題のインスタンスであり、出力は候補配置とその解の品質です。外層：入力は内層タスクのパフォーマンスの集約統計であり、出力は更新された戦略とパラメータ構成です。フィードバック信号は、ある一回の実行から取るのではなく、タスク横断・反復横断で集約する必要があります（例えば、複数タスクの平均値、分位点、安定性指標など）。理由は、単一の解の良し悪しは具体的なインスタンスとランダム性に大きく依存し、それは「今回の答えが良いかどうか」を測るものであって、「この手法が良いかどうか」を測るものではないからです。単一回の結果で外層を駆動すると、外層はインスタンスの差異とノイズに支配され、一、二つのタスクでたまたま有効なだけの構成を選びやすくなります。

2. チームは選好信号を導入しつつ、手法進化の代償も抑えたいと考えています。選好信号をどのように配置すべきかを説明し、少なくとも二種類の主要な代償とその対応方針を挙げてください。

解答：
選好信号の配置は層別に行う必要があります：内層では、選好で重み付けした評価関数を用いて候補配置を選別できます。外層では、まずそれをタスク横断で安定した比較基準（例えば配線長と混雑指標の加重スコアおよびその分散）に変換してから、手法構成の選択に用いる必要があり、一度の答えの選好をそのまま手法の優劣としないようにします。主要な代償と対応：（1）探索空間の膨張——手法空間は解空間よりはるかに大きいため、パラメータのグループ化、階層的探索、粗い探索から細かい探索へという戦略で規模を制御できます。（2）評価コストの上昇——各候補手法ごとに内層タスクを実行する必要があるため、GPU 並列バッチ評価、少数サンプルの代理評価、早期停止メカニズムによってコストを削減できます。（3）検証の複雑さの増大——独立した検証タスクセットを保持して繰り返し実行し、外層の改善が本当に汎化するかを確認し、訓練タスクへの過学習を防ぐ必要があります。