求解方法的自我改进与算法演化

演化算法有一个很容易被忽略的默认设定：被演化的是候选解，而生成候选解的方法本身保持不变。也就是说，传统演化算法通常保持搜索方法固定，只让候选解在迭代中变化——整轮搜索里“动”的是解，“不动”的是规则。本页要引出的正是这个设定之外的另一种视角：让求解方法自己也走进搜索与改进的过程。

默认范式：方法锁定，解在演化

在传统做法里，交叉方式、变异策略与超参数通常在运行前一次性选定，随后整轮搜索都不再改动。它们直接决定候选解的生成机制，也显著影响求解结果：任务表现好或坏，方法都停在原处。

• 解层在动：候选解 → 评估 → 选择 → 继承，一轮轮迭代。
• 方法层不动：变异策略、交叉方式、超参数被预设并锁定。
• 后果：仅靠预设和手工调参，求解方法本身不会随任务反馈持续演化，改进主要依赖人工经验与手工调参，调参速度往往跟不上任务变化。

算法演化：把方法也变成可搜索对象

算法演化的做法是：不再把交叉方式、变异策略、超参数当成固定配置，而是把它们作为可被候选、评估与替换的对象，与候选解一起接受求解表现的检验——也就是让求解算法自身进入搜索与改进过程，使“方法”也成为可演化对象。这样就在原有的解层迭代之外，多出第二条反馈回路——不仅解在改进，方法也在改进。

两条回路可以用一段平实的箭头语言概括：方法要素 → 生成候选解 → 求解表现评估 → 保留或替换 → 方法更新；与此同时，候选解内部仍然运行着“生成 → 评估 → 选择 → 继承”的常规迭代。前者改变“怎么找”，后者改变“找到了什么”。