从数值参数到程序系统的演化边界扩展

传统演化计算以低维、预定义的数值参数向量为主要对象，例如超参数、权重与连续变量，其搜索空间由人工预设的结构与编码方式限定。当计算规模与工程底座扩大后，高维、离散、结构化对象的搜索从不可行变为可处理，搜索边界随算力与工具链同步外扩。

在此基础上，大模型具备代码理解、上下文推理与候选生成能力，可以直接构造、修改并评估程序级对象，降低对手工设计编码方式与变异算子的依赖。当算力规模打开后，若产生候选的方法仍由人工预先固定，系统便只能重复既定套路；把候选生成的方法本身纳入演化对象（例如差分进化的变异策略与参数设置），正是这一边界扩展在方法层面的直接体现。

下图给出这一层级扩展的结构。

由此，演化对象呈现层级扩展：数值参数 → 模型结构 → 算法机制 → 程序与软件工程状态。层级越高，语义约束越强、评价链路越长：候选必须可执行、可验证，适应度评估也从标量函数变为运行结果与工程约束的联合判断。这一扩展并非替代参数优化，而是把参数优化纳入更大的程序与系统演化循环，形成从局部调参到系统级改进的连续谱。