算法自身的进化：从求解答案到改进方法

传统的演化算法在固定的生成机制下工作：选择、交叉、变异等「如何产生答案」的规则由人预先写好，搜索只在答案空间中移动，被优化的始终是候选解。当算力规模打开之后，这种预设反而成了天花板——如果产生候选的方法不变，系统只能重复既定套路。

方法演化（Meta-Evolution）把问题向上推进一层：算法不只输出更好的答案，还通过外层搜索持续改进产生答案的策略、参数与组件，完成从「求解答案」到「改进方法」的进化。EvoX 正是沿这条路线推进的工作，它把候选生成的方法本身（如差分进化的变异策略与参数设置）纳入演化对象。

两层逻辑：内层求答案，外层改方法

内层：用当前方法求解具体问题，产生候选解。
外层：依据解质量、偏好信号、稳定性或成本等反馈，改进下一轮使用的方法。
被上移到搜索空间的对象不是某个解，而是候选生成机制本身；正因如此，它才成为可评价、可选择、可更新的对象。

偏好优化该放在哪一层

偏好优化可以参与上层反馈，但必须把两类目标分开：评价当前答案与改进生成答案的方法。把「这个解更讨喜」直接读成「这个策略更优」，就是用答案偏好冒充方法优劣，外层搜索会被单次结果的噪声牵着走。

典型形态

MetaDE 让外层演化差分进化的变异策略与参数，内层照常求解任务；AutoPSO 与 EvoGO 进一步组合粒子群组件、利用历史反馈学习候选生成方式，实现了从「改参数」到「改算法结构」的跨越。

换来什么，付出什么

这一转变把算法设计从一次性人工调参推向可持续自适应，但代价同样清楚：搜索空间膨胀（方法空间远大于解空间）、评价成本上升（每套候选方法都要跑内层任务，通常依赖 GPU 并行批量评估来摊薄）、验证复杂度增加（外层改进是否真的泛化，需要独立的验证设计）。

双层演化逻辑框图

图示把演化分为内外两层：内层用当前方法求解具体问题并产生候选解，外层依据解质量、偏好、稳定性或成本等反馈，改进下一轮生成候选的策略、参数与组件；被搜索的对象由此从解上移为候选生成机制。

问题 1

与传统演化算法相比，方法演化在「被优化的对象」上最本质的区别是什么？

它把「如何产生答案」的策略、参数与算子组件本身也放进搜索对象。

它只是把种群规模调得更大，以便在答案空间里搜得更久。

它取消了适应度评价，只靠人工打分决定优劣。

它用神经网络完全替代了选择、交叉、变异等算子。

问题 2

在内外双层结构中，外层搜索的直接依据是什么？

纯粹随机噪声，用来让外层也保持多样性。

内层候选解的原始数值，不需要经过任何评价。

解质量、偏好信号、稳定性或成本等来自内层任务表现的反馈。

每次迭代后由工程师手工指定的新参数。

问题 3

关于偏好优化在方法演化系统中的作用，下列哪种处理最恰当？

用答案偏好直接替换内层的适应度函数，让两层共用一个分数。

让偏好信号参与上层反馈，但把「评价当前答案」与「改进生成方法」作为两类目标分别处理。

直接把用户对某个答案的偏好当作方法优劣的唯一判据。

完全禁止偏好优化进入内层和外层的任何环节。

问题 4

采用方法演化时，下列哪一项是必须接受的代价？

内层求解从此不再需要任何评价环节。

外层搜索不再需要任何反馈信号即可收敛。

解空间会被自动压缩到很小，内层几乎不需要再搜索。

方法空间膨胀、每套方法都要付出内层评价成本，且验证难度上升。

问题 5

关于 MetaDE 与 AutoPSO 的描述，哪一项是准确的？

AutoPSO 与 EvoGO 的作用是从改进算法结构退回到只改参数。

AutoPSO 只调节学习率这一个标量参数，其余组件固定不变。

MetaDE 取消了内层算法，直接由外层输出最终答案。

MetaDE 用外层演化差分进化的变异策略与参数，内层仍负责具体任务的候选求解。

案例：为芯片布局优化搭建方法演化系统

阅读场景，回答下面两个问题。

某团队要在 GPU 集群上优化芯片布局。他们已有一套基于差分演化的求解器，但变异策略与参数长期依赖人工经验，性能在不同布局任务上波动明显。团队计划引入 MetaDE 类双层优化：内层用当前配置求解具体布局问题，外层根据内层任务表现改进配置，并希望通过用户偏好（偏好更短线长、更低拥塞）来引导搜索方向。

1. 请为该系统的内层与外层分别定义输入、输出与反馈信号，并说明为什么不能把单个内层解的结果直接当作外层的优化目标。

Answer:
内层：输入是当前方法（变异策略与参数配置）以及一个具体的布局问题实例，输出是候选布局及其解质量。外层：输入是内层任务表现的汇总统计，输出是更新后的策略与参数配置。反馈信号需要跨任务、跨重复运行聚合（例如多任务平均值、分位数或稳定性指标），而不是取自某一次运行。原因在于：单个解的好坏高度依赖具体实例与随机性，它衡量的是「这一次答案好不好」，而不是「这套方法好不好」。若直接用单次结果驱动外层，外层会被实例差异与噪声主导，容易选出只在一两个任务上偶然有效的配置。

2. 团队希望引入偏好信号，同时又要控制方法演化的代价。请说明偏好信号应如何安放，并列出至少两类主要代价及应对思路。

Answer:
偏好信号的安放要分层：在内层，可用偏好加权的评价函数来筛选候选布局；在外层，必须先将其转化为跨任务稳定的比较准则（例如线长与拥塞指标的加权得分及其方差），再用于挑选方法配置，避免把一次答案偏好直接当作方法优劣。主要代价与应对：（1）搜索空间膨胀——方法空间远大于解空间，可采取参数分组、分层搜索、先粗后细的策略控制规模；（2）评价成本上升——每套候选方法都要跑内层任务，可借助 GPU 并行批量评估、少量样本代理评价与早停机制降低成本；（3）验证复杂度增加——需保留独立的验证任务集并重复运行，检查外层改进是否真正泛化，防止过拟合到训练任务上。