MetaDE：用演化演算法改進演化演算法

前面的頁面把演化演算法當作求解問題的工具：種群在解空間裡搜尋，適應度衡量候選解的好壞。MetaDE 把這層關係再向上推一步——它把演化演算法本身當作演化對象，用一層外層演化去搜尋「內層差分進化應該怎樣運行」。於是優化目標從「求問題解」擴展到「改進求解方法」。

兩層結構：配置演化與任務求解

• 內層（解空間）：在給定變異策略與關鍵參數（如縮放因子、交叉率、種群規模）下運行差分進化，求解基準函數或工程優化任務，並把任務表現作為適應度產出。
• 外層（演算法配置空間）：每個個體編碼一套演算法配置；它的適應度並非自己算出來，而是由內層用該配置求解任務後回傳的性能決定。外層據此選擇、重組與變異，產出更適配當前任務的演算法行為。
• 閉環：配置生成 → 任務求解 → 性能回饋 → 配置更新，四步循環往復，使演算法隨任務自適應改進，而不是依賴人工預先固定參數。

關鍵區分：配置空間 ≠ 解空間

內層搜尋的是「問題的答案」，外層搜尋的是「更會找答案的演算法」。二者雖相互耦合——外層的好壞必須由內層實際跑一遍才能衡量——但搜尋對象、編碼方式和評價口徑都不同。看清這一點，就抓住了元優化的通用骨架：讓搜尋本身成為被搜尋的對象。