MetaDE: Dùng thuật toán tiến hóa để cải tiến thuật toán tiến hóa

Các trang trước coithuật toán tiến hóanhư một công cụ để giải bài toán: quần thể tìm kiếm trong không gian nghiệm, độ thích nghi đo lường mức độ tốt của các nghiệm ứng viên. MetaDE đẩy mối quan hệ này lên một tầng cao hơn — nó coibản thân thuật toán tiến hóalà đối tượng tiến hóa, dùng một tầng tiến hóa bên ngoài để tìm kiếm "tiến hóa vi phân bên trong nên vận hành như thế nào". Nhờ đó, mục tiêu tối ưu mở rộng từ "tìm nghiệm cho bài toán" sang "cải tiến phương pháp giải".

Cấu trúc hai tầng: Tiến hóa cấu hình và giải tác vụ

Tầng trong (không gian nghiệm): Vận hành tiến hóa vi phân với chiến lược đột biến và các tham số then chốt cho trước (như hệ số tỷ lệ, tỷ lệ lai ghép, kích thước quần thể), giải các hàm chuẩn hoặc tác vụ tối ưu kỹ thuật, và lấy hiệu năng tác vụ làm đầu ra độ thích nghi.
Tầng ngoài (không gian cấu hình thuật toán): Mỗi cá thể mã hóa một bộ cấu hình thuật toán; độ thích nghi của nó không do bản thân tính ra, mà do hiệu năng mà tầng trong phản hồi sau khi dùng cấu hình đó giải tác vụ quyết định. Tầng ngoài dựa vào đó để chọn lọc, tái tổ hợp và đột biến, tạo ra hành vi thuật toán phù hợp hơn với tác vụ hiện tại.
Vòng kín: Sinh cấu hình → Giải tác vụ → Phản hồi hiệu năng → Cập nhật cấu hình, bốn bước lặp đi lặp lại, giúp thuật toán tự thích ứng và cải tiến theo tác vụ, thay vì phụ thuộc vào việc con người cố định tham số trước.

Phân biệt then chốt: Không gian cấu hình ≠ Không gian nghiệm

Tầng trong tìm kiếm "câu trả lời cho bài toán", tầng ngoài tìm kiếm "thuật toán giỏi tìm câu trả lời hơn". Hai tầng tuy gắn kết với nhau — chất lượng của tầng ngoài chỉ có thể đo lường khi tầng trong thực sự chạy thử một lần — nhưng đối tượng tìm kiếm, cách mã hóa và tiêu chí đánh giá đều khác nhau. Nhìn rõ điểm này, bạn đã nắm được bộ khung chung của tối ưu siêu cấp:Biến chính quá trình tìm kiếm thành đối tượng được tìm kiếm.

Góc nhìn tối ưu siêu cấp

Cách làm truyền thống dựa vào kinh nghiệm để con người cố định các tham số tiến hóa vi phân; MetaDE giao cả bước này cho quá trình tìm kiếm. Cái giá đi kèm: mỗi lần tầng ngoài đánh giá một cấu hình, đều phải chạy trọn vẹn một lần giải của tầng trong, ngân sách tính toán tăng gấp bội, vì vậy độ mịn của không gian cấu hình và ngân sách đánh giá cần được cân nhắc cẩn trọng.

Sơ đồ nguyên lý vận hành kiến trúc tiến hóa hai tầng trong–ngoài của MetaDE

Quan sát sơ đồ nguyên lý vận hành kiến trúc tiến hóa hai tầng trong–ngoài của MetaDE trong hình, hãy suy nghĩ xem nó có mối liên hệ gì với việc "MetaDE tổ chức tiến hóa vi phân thành cấu trúc hai tầng trong–ngoài".

Câu hỏi 1

MetaDE đã mở rộng đối tượng tối ưu từ "nghiệm ứng viên để giải bài toán" sang điều gì?

Phương án điều phối năng lực tính toán phần cứng

Phân phối lấy mẫu của dữ liệu huấn luyện

Tập hợp nghiệm ứng viên để giải bài toán

Chiến lược đột biến và cấu hình tham số then chốt của chính thuật toán tiến hóa

Câu hỏi 2

Trong cấu trúc hai tầng của MetaDE, tầng nào chịu trách nhiệm giải tác vụ thực tế?

Tầng ngoài, nó trực tiếp tính độ thích nghi của tác vụ

Cả hai tầng đều trực tiếp tìm kiếm nghiệm ứng viên trên tác vụ

Tầng trong, nó vận hành tiến hóa vi phân để giải tác vụ theo cấu hình cho trước

Cả hai đều không chịu trách nhiệm, việc giải tác vụ do mô-đun bên ngoài đảm nhận

Câu hỏi 3

Thông tin chính mà thuật toán tầng trong trả về cho tầng ngoài để định hướng tiến hóa cấu hình là gì?

Danh sách tên các chiến lược đột biến

Trình tự gen của các cá thể trong quần thể

Hiệu năng tác vụ, ví dụ các chỉ số hiệu năng như độ thích nghi

Hạt giống số ngẫu nhiên

Câu hỏi 4

Về "không gian cấu hình" và "không gian nghiệm", phát biểu nào sau đây là đúng?

Tầng ngoài trực tiếp tìm kiếm nghiệm ứng viên trong không gian nghiệm

Tầng trong tìm kiếm nghiệm trong không gian nghiệm, tầng ngoài tìm kiếm cấu hình thuật toán trong không gian cấu hình

Hai cái là cùng một không gian, chỉ khác cách gọi tên

Không gian cấu hình và không gian nghiệm hoàn toàn độc lập, không ảnh hưởng lẫn nhau

Câu hỏi 5

Thứ tự quy trình vận hành vòng kín của MetaDE là gì?

Sinh cấu hình → Giải tác vụ → Phản hồi hiệu năng → Cập nhật cấu hình

Giải tác vụ → Sinh cấu hình → Phản hồi hiệu năng → Cập nhật cấu hình

Phản hồi hiệu năng → Sinh cấu hình → Giải tác vụ → Cập nhật cấu hình

Cập nhật cấu hình → Phản hồi hiệu năng → Sinh cấu hình → Giải tác vụ

Tình huống: Tự thích ứng cấu hình tiến hóa vi phân cho một tác vụ kỹ thuật cụ thể

Đọc tình huống và trả lời câu hỏi.

Một nhóm kỹ thuật cần triển khai bộ giải tiến hóa vi phân cho một tác vụ tối ưu tham số kết cấu. Trước đây họ dựa vào kinh nghiệm để cố định tham số, nhưng khi đối mặt với tác vụ mới, việc điều chỉnh tham số thủ công lặp đi lặp lại vừa tốn thời gian vừa cho kết quả không ổn định. Nhóm quyết định áp dụng MetaDE: giao chiến lược đột biến và các tham số then chốt cho tầng ngoài tiến hóa, tầng trong dùng cấu hình ứng viên để thực sự giải tác vụ, và lấy hiệu năng tác vụ để định hướng cập nhật tầng ngoài.

1. Trong tình huống này, cá thể tầng ngoài thường cần mã hóa những nội dung gì? Tầng ngoài có được căn cứ để đánh giá một bộ cấu hình tốt hay xấu như thế nào?

Trả lời:
Cá thể tầng ngoài mã hóa một bộ cấu hình thuật toán, thường bao gồm: loại chiến lược đột biến (như DE/rand/1/bin, DE/best/1/bin, v.v.), cùng các tham số điều khiển then chốt như hệ số tỷ lệ F, tỷ lệ lai ghép CR, kích thước quần thể NP, có thể dùng cách mã hóa hỗn hợp giữa vector số thực và các lựa chọn rời rạc. Tầng ngoài không thể tự chứng minh cấu hình tốt hay xấu, độ thích nghi của nó đến từ tầng trong: dùng cấu hình đó chạy trọn vẹn một lần tiến hóa vi phân trên tác vụ tối ưu kết cấu mục tiêu, lấy các chỉ số hiệu năng như độ chính xác hội tụ, số lần đánh giá hàm cần thiết hoặc thời gian chạy làm phản hồi; để giảm nhiễu do tính ngẫu nhiên của tầng trong, có thể chạy lặp lại nhiều lần và lấy giá trị trung bình làm độ thích nghi của cá thể đó.

2. Nếu muốn kiểm chứng MetaDE thực sự có lợi thế so với tham số dựa trên kinh nghiệm thủ công, nên thiết kế thí nghiệm đối chứng như thế nào? Đồng thời phải cân nhắc những cái giá và rủi ro nào?

Trả lời:
Điểm then chốt của thiết kế đối chứng: giữ nguyên các biến kiểm soát, cùng một tác vụ, cùng một ngân sách đánh giá (ví dụ cùng giới hạn số lần đánh giá hàm), cùng quần thể khởi tạo và cùng tập hạt giống ngẫu nhiên; nhóm đối chứng dùng cấu hình DE kinh điển với tham số dựa trên kinh nghiệm (như DE/rand/1/bin với F, CR cố định); nhóm thực nghiệm dùng cấu hình do MetaDE tiến hóa ra; hai nhóm đều chạy lặp lại độc lập nhiều lần, so sánh chất lượng nghiệm cuối cùng và đường cong hội tụ, đồng thời thực hiện kiểm định thống kê để loại trừ yếu tố ngẫu nhiên. Cái giá và rủi ro: mỗi lần tầng ngoài đánh giá một cấu hình đều phải chạy trọn vẹn một lần giải của tầng trong, ngân sách tính toán tăng gấp bội; cấu hình tiến hóa ra có thể quá khớp với tác vụ hiện tại, khi đổi tác vụ thì lợi ích có thể biến mất; nhiễu hiệu năng của tầng trong sẽ đánh lừa lựa chọn của tầng ngoài, dẫn đến chọn nhầm cấu hình, vì vậy cần đủ số lần lặp lại và tiêu chí đánh giá vững vàng.