求解方法的自我改進與演算法演化

演化演算法有一個很容易被忽略的預設設定：被演化的是候選解，而生成候選解的方法本身保持不變。也就是說，傳統演化演算法通常保持搜尋方法固定，只讓候選解在迭代中變化——整輪搜尋裡「動」的是解，「不動」的是規則。本頁要引出的正是這個設定之外的另一种視角：讓求解方法自己也走進搜尋與改進的過程。

預設典範：方法鎖定，解在演化

在傳統做法裡，交配方式、變異策略與超參數通常在執行前一次性選定，隨後整輪搜尋都不再改動。它們直接決定候選解的生成機制，也顯著影響求解結果：任務表現好或壞，方法都停在原處。

• 解層在動：候選解 → 評估 → 選擇 → 繼承，一輪輪迭代。
• 方法層不動：變異策略、交配方式、超參數被預設並鎖定。
• 後果：僅靠預設和手工調參，求解方法本身不會隨任務回饋持續演化，改進主要依賴人工經驗與手工調參，調參速度往往跟不上任務變化。

演算法演化：把方法也變成可搜尋對象

演算法演化的做法是：不再把交配方式、變異策略、超參數當成固定配置，而是把它們作為可被候選、評估與替換的對象，與候選解一起接受求解表現的檢驗——也就是讓求解演算法自身進入搜尋與改進過程，使「方法」也成為可演化對象。這樣就在原有的解層迭代之外，多出第二條回饋迴路——不僅解在改進，方法也在改進。

兩條迴路可以用一段平實的箭頭語言概括：方法要素 → 生成候選解 → 求解表現評估 → 保留或替換 → 方法更新；與此同時，候選解內部仍然運行著「生成 → 評估 → 選擇 → 繼承」的常規迭代。前者改變「怎麼找」，後者改變「找到了什麼」。