Классический процесс оптимизации сосредоточен целиком на пространстве решений: фиксируется набор конфигураций дифференциальной эволюции (DE) — стратегия мутации, вероятность скрещивания CR, коэффициент масштабирования F, размер популяции NP — и затем выполняются повторные итерации для приближения к оптимальному решению задачи. Но один вопрос всегда остаётся открытым:а кто выбрал саму эту конфигурацию?Ответ MetaDE состоит в том, чтобы сделать объектом эволюции и сам «метод порождения кандидатных решений»: снаружи надстраивается ещё один эволюционный алгоритм, который целенаправленно ищет лучшие конфигурации алгоритма, образуя тем самым двухуровневый оптимизационный замкнутый цикл «улучшение эволюционного алгоритма эволюционным алгоритмом».
Внутренний и внешний уровни: как разделяются обязанности
- Внутренний уровень: получает конкретный набор конфигураций DE, выполняет одно полное решение на реальной задаче, порождает кандидатные решения и возвращает сопоставимую оценку производительности.
- Внешний уровень: кодирует конфигурации, гиперпараметры или комбинации стратегий DE в виде особей, использует производительность на задаче как приспособленность и с помощью эволюционного алгоритма (отбор, рекомбинация, мутация) обновляет конфигурации следующего поколения.
Смена цели: от «поиска решения» к «поиску метода, который умеет искать решения»
MetaDE изменяет не реализацию оптимизатора, а целевой уровень оптимизации. Результат традиционной DE — вектор решения; результат MetaDE — набор конфигураций алгоритма, способных стабильно порождать лучшие решения на задачах данного класса. Иными словами, объект поиска поднимается с «ответа» до «машины, производящей ответы». Это позволяет переносить результаты одного внешнего поиска на другие экземпляры того же семейства для повторного использования.
Замкнутый цикл обратной связи и инженерные предпосылки
Вся система связана в единый замкнутый цикл: внешний уровень передаёт конфигурацию → внутренний уровень выполняет решение → производительность возвращается → внешний уровень на её основе обновляет конфигурации следующего поколения. Следует учитывать, что для получения приспособленности одной особи внешнего уровня необходимо заплатить цену одного (а зачастую нескольких параллельных) полного запуска внутреннего уровня, поэтому управление стоимостью оценки и параллельное планирование являются ядром проектирования системы. Именно способность GPU запускать множество внутренних задач одновременно делает такую «дорогостоящую по оценке» метаоптимизацию инженерно осуществимой.
Двухуровневая архитектура оптимизации MetaDEСхема архитектуры делится на внешний и внутренний уровни: внешний кодирует стратегию мутации, вероятность скрещивания, коэффициент масштабирования и размер популяции дифференциальной эволюции в виде особей и обновляет их с помощью эволюционного алгоритма; внутренний выполняет полное решение с этим набором конфигураций на реальных задачах и затем возвращает производительность на задаче как приспособленность внешнего уровня, образуя дорогостоящий по оценке замкнутый цикл оптимизации.
