内外双层演化与自适应机制

内外双层演化把“解决具体任务”与“改进求解方法”解耦为两个相互作用的演化循环：内层面向任务求解并产生运行表现，外层依据这些表现演化内层算法的配置与策略，从而形成可自适应的算法改进机制。它不是把两个算法简单串联，而是在任务求解层之上增加一个可进化的元层控制，使系统从“人工设定算法”转向“算法自动适配任务”。

内层与外层的职责分工

内层职责：解决实际任务，生成候选解、目标值及运行表现数据。它负责“把题做出来”。
外层职责：不直接求解原任务，而是演化内层算法的配置、策略与参数。它负责“把做题方法变好”。
反馈闭环：内层任务的评价结果被聚合为外层适应度信号，用于选择、变异并更新更优的内层配置。
自适应机制：外层根据任务与环境变化持续调整内层策略。
并行支撑：GPU 可并行运行大量内层任务，为外层演化提供更充分的统计反馈并降低搜索等待成本。

MetaDE：用演化改进演化

以 MetaDE 为例，内层 DE 负责具体优化任务，外层演化算法根据内层运行表现选择并调整 DE 的配置与策略；大量内层任务结果反向指导外层配置选择，形成“用演化改进演化”的双层闭环。

关键区分

内层输出的是“解”，外层输出的是“产生解的更好的方法”。外层适应度不是原任务的最优值本身，而是对内层配置在批量任务上表现的评价。

学习目标

掌握内层任务求解与外层策略优化的协作关系，理解方法演化是在内层之上增加可进化的元层控制，并能说明 GPU 并行如何为外层提供更可靠的统计反馈。

内外双层演化架构交互

图示用内层与外层两个循环表示分工：内层解决实际任务并产生候选解和运行表现，外层把这些表现聚合成适应度，选择、变异并更新内层算法配置与策略。GPU 并行运行大量内层任务，为外层提供更充分的统计反馈，形成“用演化改进演化”的双层闭环。

问题 1

在内外双层演化中，内层算法的主要职责是什么？

仅负责将 GPU 显存分配给外层

直接演化内层算法的配置与策略

解决实际任务，生成候选解、目标值与运行表现数据

替代外层适应度函数，直接输出最优配置

问题 2

外层演化层为什么不直接求解原任务？

因为外层必须与内层同时停止

因为外层只能处理字符串

因为外层没有评价函数

因为外层要演化内层算法的配置、策略与参数，属于元层控制

问题 3

内层任务的评价结果如何影响外层演化？

被丢弃，外层只使用随机扰动

直接变成原任务的最优解

被聚合为外层适应度信号，用于选择、变异并更新内层配置

只用于增加 GPU 温度

问题 4

GPU 并行大量内层任务对双层演化最重要的作用是？

使内层任务自动变成单目标问题

提供更充分的统计反馈并降低搜索等待成本

保证外层一定找到全局最优

让外层不再需要适应度评价

问题 5

“用演化改进演化”最准确地描述了以下哪种关系？

内层与外层使用完全相同的目标函数，且无信息传递

内层只在训练结束后启动，外层只在训练前运行

外层直接替换所有内层候选解

外层演化内层算法的配置与策略，内层表现又反哺外层适应度

案例：MetaDE 在组合优化调度中的双层部署

阅读场景，回答问题。

某团队用 MetaDE 求解一个带复杂约束的车间调度问题。内层使用差分进化（DE）在 GPU 上并行求解大量任务实例，输出每个实例的候选解、目标值与收敛步数；外层维护 DE 的配置与策略集合（如变异策略、交叉率、种群规模）。团队希望让系统在任务分布变化时仍能保持稳定表现。

请划分该场景中的内外层职责，并说明反馈闭环如何形成。

Answer:
内层职责：DE 在具体调度实例上求解，产生候选解、目标值、收敛步数等运行表现。外层职责：不直接排产，而是演化 DE 的配置与策略（变异策略、交叉率、种群规模等）。反馈闭环：内层批量任务的表现被聚合为外层适应度信号，外层据此选择、变异与更新更优的内层配置；更新后的配置再回到内层，形成闭环。

若内层任务评价结果的方差很大，外层适应度设计应如何调整？GPU 并行在这里起什么作用？

Answer:
应使用多次重复或批量任务的平均表现、中位数、鲁棒统计量或带惩罚的置信下界来构造外层适应度，降低高方差带来的误选；必要时增加每套配置的评价样本数。GPU 并行可批量运行大量内层任务，扩大样本量并缩短等待时间，使外层适应度估计更稳定，从而更可靠地选择与更新内层配置。