В таких методах, как MetaDE, эволюция происходит науровне параметров: внутренний алгоритм решает реальную задачу, а внешний алгоритм настраивает конфигурацию и стратегию внутреннего. А AutoPSO и EvoGO поднимают эволюционируемый объект ещё на один уровень выше — напрямую эволюционируютсаму структуру алгоритма: как комбинируются компоненты, как генерируются кандидаты, как организуются правила обновления.
Критерий: что именно ищет внешний слой
Чтобы отличить «настройку параметров» от «изменения структуры», нельзя смотреть только на название метода — нужно смотреть науровень пространства поиска внешнего слоя. У методов типа MetaDE внешнее пространство поиска — это конфигурация и стратегия внутреннего алгоритма (значения коэффициентов обучения, вероятности мутации, давления отбора и т. д.); у AutoPSO / EvoGO внешнее пространство поиска — это структура алгоритма: какие компоненты участвуют в комбинации, как выглядит процесс генерации кандидатов, как обновляется состояние.
- уровне параметров: структура фиксирована, настраиваются только числовые значения. Достижимый диапазон — «интенсивность» поведения.
- Структурный уровень: компоненты и способ их соединения изменяемы. Достижимый диапазон — «форма» поведения.
AutoPSO: классический PSO разложен на пул компонентов
Формула обновления скорости и позиции в классическом PSO жёстко задана. AutoPSO разбивает этот процесс на комбинируемые компоненты: компонент скорости, топологию соседства, компонент возмущения, стратегию перезапуска и т. д., а затем внешняя эволюция выбирает и собирает их в новый генератор кандидатов. Он больше не следует фиксированной классической структуре обновления, а делает саму «структуру обновления» переменной, доступной для поиска. Настройка коэффициентов обучения меняет лишь интенсивность поведения — форму поведения меняет только комбинация компонентов.
EvoGO: историческая обратная связь определяет, куда менять структуру
EvoGO делает акцент на подключении исторической обратной связи к пути эволюции структуры: прошлые траектории поиска и записи результатов используются уже не только для «выбора решения», а для определения того, «куда менять структуру на следующем шаге». Так обратная связь превращается из фильтра результатов в штурвал обновления структуры — она меняет направление кандидатов структуры следующего раунда, а не просто выбирает лучший результат из уже готовой партии кандидатов.
Общий двухуровневый каркас и его инженерный смысл
Оба используют один и тот же каркас: внутренний алгоритм работает на реальных задачах, а внешний слой эволюционирует структуру на основе результатов внутреннего. Ключевое условие — плотность выборки: параллельный пакетный запуск множества внутренних задач на GPU делает выборку сопоставлений «структура — результат» достаточно плотной, чтобы выбор внешнего слоя имел статистический смысл и не зависел от шума единичного запуска.
Связь структурной эволюции AutoPSO и EvoGOСхема сравнивает эволюцию на уровне параметров и на структурном уровне: внешний слой MetaDE ищет значения конфигурации — коэффициенты обучения, вероятность мутации и т. д., — а структура алгоритма фиксирована; внешний слой AutoPSO и EvoGO ищет, как комбинируются компоненты и как организуются генерация кандидатов и правила обновления. AutoPSO разбивает обновление PSO на пул компонентов — компонент скорости, топологию соседства, возмущение, перезапуск и т. д., — из которых внешний слой выбирает и собирает структуру; EvoGO же использует обратную связь по историческим траекториям, чтобы определить, куда менять структуру на следующем шаге.
