고전적인 최적화 과정은 모든 주의를 해 공간에 집중합니다. 즉, 하나의 차분 진화(DE) 설정, 이를테면 변이 전략, 교차율 CR, 스케일링 인자 F, 개체군 크기 NP를 고정한 뒤 반복적으로 문제의 최적해에 접근합니다. 그런데 한 가지 문제는 끝내 해결되지 않은 채 남아 있습니다:이 설정 자체는 누가 선택한 것인가?MetaDE의 답은 '후보 해를 생성하는 방법' 역시 진화의 대상으로 삼는 것입니다. 바깥층에 진화 알고리즘을 한 겹 더 씌워 더 나은 알고리즘 설정을 전문적으로 탐색하게 함으로써, '진화 알고리즘으로 진화 알고리즘을 개선하는' 이중층 최적화 순환 구조를 형성합니다.
안쪽층과 바깥층: 역할 분담
- 안쪽층: 구체적인 DE 설정 한 세트를 받아 실제 과제에서 전체 해 도출을 한 번 수행하고, 후보 해를 생성한 뒤 비교 가능한 성능 평가를 반환합니다.
- 바깥층：把 DE 的配置、超参数或策略组合编码为个体，以任务性能作为适应度，用演化算法（选择、重组、变异）更新下一代配置。
목표 전환: '해 찾기'에서 '해를 찾을 줄 아는 방법 찾기'로
MetaDE 改变的并不是优化器的实现，而是优化的目标层级。传统 DE 的产出是一个解向量；MetaDE 的产出是一套能在这类任务上稳定产出更好解的算法配置。也就是说，搜索的对象从“答案”上升为“生产答案的机器”。这使得一次外层搜索的成果可以迁移到同一族的其他实例上复用。
피드백 순환과 엔지니어링 전제 조건
整个系统靠一条闭环串起来：外层下发配置 → 内层执行求解 → 性能回传 → 外层据此更新下一代配置。需要注意的是，外层的一个个体要获得适应度，就必须付出一次（往往是多次并行）完整内层运行的代价，因此 평가 비용 관리 와 병렬 스케줄링 이 시스템 설계의 핵심입니다. GPU가 대량의 안쪽층 작업을 동시에 돌릴 수 있기 때문에, 이처럼 '평가가 비싼' 메타 최적화가 엔지니어링 측면에서 실현 가능해집니다.
한 문장으로 본질을 파악하기
内层负责“算出什么”，外层负责“怎么算才更好”。两层共享同一个适应度信号——任务性能，这也正是它们能形成闭环的原因。
MetaDE 이중층 최적화 아키텍처이 아키텍처 다이어그램은 안쪽층과 바깥층 두 층으로 나뉩니다. 바깥층은 차분 진화의 변이 전략, 교차율, 스케일링 인자, 개체군 크기를 개체로 인코딩하고 진화 알고리즘으로 갱신하며, 안쪽층은 이 설정 세트로 실제 과제에서 전체 해를 도출한 뒤 과제 성능을 바깥층 적합도로 반환하여, 평가 비용이 큰 최적화 순환 구조를 형성합니다.
MetaDE 이중층 최적화 아키텍처
이 아키텍처 다이어그램은 안쪽층과 바깥층 두 층으로 나뉩니다. 바깥층은 차분 진화의 변이 전략, 교차율, 스케일링 인자, 개체군 크기를 개체로 인코딩하고 진화 알고리즘으로 갱신하며, 안쪽층은 이 설정 세트로 실제 과제에서 전체 해를 도출한 뒤 과제 성능을 바깥층 적합도로 반환하여, 평가 비용이 큰 최적화 순환 구조를 형성합니다.
