算法与问题模块划分

在 EvoX 的开放解耦底座中，一条完整的演化流程被拆成两块可替换的“积木”：算法模块回答“如何搜索”，问题模块回答“评价什么、环境如何反馈”。二者通过一组清晰的接口契约对接，组合出可复用、可替换、可迁移的演化流程。

算法模块：封装“如何搜索”

• 候选解生成与种群更新：初始化、变异、交叉、选择、精英保留等演化逻辑由算法模块统一实现。
• 搜索控制：迭代轮次、种群规模、重启与收敛判据、算子参数调度，都属于算法侧的决策。
• 算法模块只依赖“候选解会被评价”这一抽象前提，不关心目标函数的物理含义与具体形式。

问题模块：定义“评价什么、环境如何反馈”

• 把候选解变成可比较的反馈：目标值、适应度、约束违反量，或一次环境交互的结果。
• 声明问题边界与约束：变量维度、取值范围、可行域规则，让算法知道可以在哪里生成候选解。
• 对同一批候选解给出一致评价，使不同个体、不同代、不同算法之间可以横向比较。

接口契约：候选解批次 ⇄ 评价结果

算法模块向问题模块提交一批候选解；问题模块返回结构化的评价结果（目标向量、约束违反量及可选的附加诊断信息）；算法模块据此更新种群、推进下一代。这一次“提交—返回”的往复，就构成一代演化。

解耦带来的收益

• 独立扩展：新增或替换算法不影响问题定义；修改或新增问题也不要求改写算法模块。
• 可组合：同一问题模块可接入不同演化算法，同一算法模块也可切换到不同问题模块。
• 可迁移：只要接口契约稳定，算法与问题即可跨任务复用、替换与迁移。

为什么在本课场景中尤其重要：多目标权衡与昂贵反馈

本课关注的是真实物理世界中的工程问题——例如商飞超临界翼型设计。这类问题通常同时具备三个特征：多个彼此牵制的目标（如提升升力往往带来阻力增加、稳定性下降）、相互嵌套的约束（如临界抖振升力系数、最大应力不得超过材料许用值），以及昂贵而稀疏的反馈（高精度仿真一次评估的代价很高）。模块划分正是为应对这三点而生。

在问题模块一侧，多目标与约束被统一折算成可比较的评价结果：目标向量刻画各项指标，约束违反量刻画越界程度，必要时借助代理模型以较低成本给出近似评估，缓解高精度仿真带来的反馈瓶颈。在算法模块一侧，搜索不再追求过早收敛到唯一的“最优答案”，而是维护一组多样化候选方案，让专家在升力、阻力与安全余量之间做偏好优化与取舍。

因此，“候选解批次 ⇄ 评价结果”的契约不仅要能承载单一标量适应度，还要能承载目标向量与约束违反量：多目标权衡要求算法能够做非支配比较，约束处理要求算法能够区分可行与不可行。契约一旦残缺，多目标与约束信息就会在接口处永久丢失，解耦所带来的复用与迁移能力也随之失效。