演算法自身的進化：從求解答案到改進方法

傳統的演化演算法在固定的生成機制下運作：選擇、交叉、變異等「如何產生答案」的規則由人預先寫好，搜尋只在答案空間中移動，被最佳化的始終是候選解。當算力規模打開之後，這種預設反而成了天花板——如果產生候選的方法不變，系統只能重複既定套路。

方法演化（Meta-Evolution）把問題向上推進一層：演算法不只輸出更好的答案，還透過外層搜尋持續改進產生答案的策略、參數與元件，完成從「求解答案」到「改進方法」的進化。EvoX 正是沿這條路線推進的工作，它把候選生成的方法本身（如差分進化的變異策略與參數設定）納入演化對象。

兩層邏輯：內層求答案，外層改方法

內層：用當前方法求解具體問題，產生候選解。
外層：依據解品質、偏好訊號、穩定性或成本等回饋，改進下一輪使用的方法。
被上移到搜尋空間的對象不是某個解，而是候選生成機制本身；正因如此，它才成為可評價、可選擇、可更新的對象。

偏好最佳化該放在哪一層

偏好最佳化可以參與上層回饋，但必須把兩類目標分開：評價當前答案與改進生成答案的方法。把「這個解更討喜」直接讀成「這個策略更優」，就是用答案偏好冒充方法優劣，外層搜尋會被單次結果的雜訊牽著走。

典型形態

MetaDE 讓外層演化差分進化的變異策略與參數，內層照常求解任務；AutoPSO 與 EvoGO 進一步組合粒子群元件、利用歷史回饋學習候選生成方式，實現了從「改參數」到「改演算法結構」的跨越。

換來什麼，付出什麼

這一轉變把演算法設計從一次性人工調參推向可持續自適應，但代價同樣清楚：搜尋空間膨脹（方法空間遠大於解空間）、評估成本上升（每套候選方法都要跑內層任務，通常依賴 GPU 平行批次評估來攤薄）、驗證複雜度增加（外層改進是否真的泛化，需要獨立的驗證設計）。

雙層演化邏輯框圖

圖示把演化分為內外兩層：內層用當前方法求解具體問題並產生候選解，外層依據解品質、偏好、穩定性或成本等回饋，改進下一輪生成候選的策略、參數與元件；被搜尋的對象由此從解上移為候選生成機制。

問題 1

與傳統演化演算法相比，方法演化在「被最佳化的對象」上最本質的區別是什麼？

它把「如何產生答案」的策略、參數與算子元件本身也放進搜尋對象。

它只是把種群規模調得更大，以便在答案空間裡搜得更久。

它取消了適應度評估，只靠人工打分決定優劣。

它用神經網路完全替代了選擇、交叉、變異等算子。

問題 2

在內外雙層結構中，外層搜尋的直接依據是什麼？

純粹隨機雜訊，用來讓外層也保持多樣性。

內層候選解的原始數值，不需要經過任何評價。

解品質、偏好訊號、穩定性或成本等來自內層任務表現的回饋。

每次迭代後由工程師手工指定的新參數。

問題 3

關於偏好最佳化在方法演化系統中的作用，下列哪種處理最恰當？

用答案偏好直接替換內層的適應度函數，讓兩層共用一個分數。

讓偏好訊號參與上層回饋，但把「評價當前答案」與「改進生成方法」作為兩類目標分別處理。

直接把使用者對某個答案的偏好當作方法優劣的唯一判據。

完全禁止偏好最佳化進入內層和外層的任何環節。

問題 4

採用方法演化時，下列哪一項是必須接受的代價？

內層求解從此不再需要任何評價環節。

外層搜尋不再需要任何回饋訊號即可收斂。

解空間會被自動壓縮到很小，內層幾乎不需要再搜尋。

方法空間膨脹、每套方法都要付出內層評估成本，且驗證難度上升。

問題 5

關於 MetaDE 與 AutoPSO 的描述，哪一項是準確的？

AutoPSO 與 EvoGO 的作用是從改進演算法結構退回到只改參數。

AutoPSO 只調節學習率這一個純量參數，其餘元件固定不變。

MetaDE 取消了內層演算法，直接由外層輸出最終答案。

MetaDE 用外層演化差分進化的變異策略與參數，內層仍負責具體任務的候選求解。

案例：為晶片佈局最佳化搭建方法演化系統

閱讀場景，回答下面兩個問題。

某團隊要在 GPU 叢集上最佳化晶片佈局。他們已有一套基於差分演化的求解器，但變異策略與參數長期依賴人工經驗，效能在不同佈局任務上波動明顯。團隊計畫引入 MetaDE 類雙層最佳化：內層用當前配置求解具體佈局問題，外層根據內層任務表現改進配置，並希望透過使用者偏好（偏好更短線長、更低擁塞）來引導搜尋方向。

1. 請為該系統的內層與外層分別定義輸入、輸出與回饋訊號，並說明為什麼不能把單個內層解的結果直接當作外層的最佳化目標。

解答：
內層：輸入是當前方法（變異策略與參數配置）以及一個具體的佈局問題實例，輸出是候選佈局及其解品質。外層：輸入是內層任務表現的彙總統計，輸出是更新後的策略與參數配置。回饋訊號需要跨任務、跨重複運行聚合（例如多任務平均值、分位數或穩定性指標），而不是取自某一次運行。原因在於：單個解的好壞高度依賴具體實例與隨機性，它衡量的是「這一次答案好不好」，而不是「這套方法好不好」。若直接用單次結果驅動外層，外層會被實例差異與雜訊主導，容易選出只在一兩個任務上偶然有效的配置。

2. 團隊希望引入偏好訊號，同時又要控制方法演化的代價。請說明偏好訊號應如何安放，並列出至少兩類主要代價及應對思路。

解答：
偏好訊號的安放要分層：在內層，可用偏好加權的評價函數來篩選候選佈局；在外層，必須先將其轉化為跨任務穩定的比較準則（例如線長與擁塞指標的加權得分及其變異數），再用於挑選方法配置，避免把一次答案偏好直接當作方法優劣。主要代價與應對：（1）搜尋空間膨脹——方法空間遠大於解空間，可採取參數分組、分層搜尋、先粗後細的策略控制規模；（2）評估成本上升——每套候選方法都要跑內層任務，可借助 GPU 平行批次評估、少量樣本代理評估與早停機制降低成本；（3）驗證複雜度增加——需保留獨立的驗證任務集並重複運行，檢查外層改進是否真正泛化，防止過擬合到訓練任務上。