הגדרת מרחב החיפוש ומשתני ההחלטה

כדי להגדיר את מרחב החיפוש ואת משתני ההחלטה לתרחיש לדוגמה של AlphaEvolve, צריך לנסח את הבעיה כקוד ולספק פתרון בסיסי שעובד, שההיוריסטיקה האבולוציונית יכולה לחזור עליו ולשפר אותו.

התהליך הזה כולל:

• מתן הקשר ליעד: הגדרת הרקע, כללי הדומיין וגבולות הביצועים לתרחיש לדוגמה של האופטימיזציה.

• לספק קוד בסיסי נקי: לספק קוד ברור ומובנה היטב שמיישם בצורה נכונה פתרון בסיסי לבעיה.

• תיוג דרגות חופש: מוסיפים הערות EVOLVE-BLOCK מפורשות לבסיס הקוד כדי לסמן את משתני ההחלטה, המבנים הלוגיים או השגרות הספציפיים שהסוכן יכול לשנות ולחקור כדי לזהות פתרונות עם ביצועים טובים יותר.

הערה: חשוב לוודא שקוד הבסיס עובר את כל בדיקות האימות הפונקציונליות לפני שמעבירים אותו ללולאה האבולוציונית.

מבנה של תוכנית ראשונית

תוכנית ראשונית מורכבת משני סוגי בלוקים עיקריים שקובעים את גבולות החיפוש האבולוציוני:

1. בלוקים של קוד שלא משתנה: קוד שחוזר על עצמו (boilerplate), פונקציות עזר ותלויות שמגבילות את מרחב החיפוש או מבצעות משימות שלא משפיעות על ביצועי הפתרון (כמו שלבים רגילים של עיבוד מראש או שגרות של טיפול בנתונים).

2. בלוקים של קוד שניתן לשנות (EVOLVE-BLOCK): האזורים המטורגטים שמכילים משתני החלטה, מבנים לוגיים או ביטויים אנליטיים ספציפיים שהסוכן יכול לחקור ולשנות.

   import numpy as np
   # Code to constrain the search space (Immutable)
   def def_preprocessing():
       """Feature engineering and preprocessing."""
       pass
   
   # EVOLVE-BLOCK-START
   # Mutable block: Provides degrees of freedom for AlphaEvolve to optimize
   def model_tuning():
       """Model tuning function: parametrized to take features."""
       pass
   # EVOLVE-BLOCK-END
   
   # Boilerplate code that does not impact solution performance (Immutable)
   def batch_predictions():
       """Inference function: batch predictions to test performance."""
       pass
   

כללי הפורמט של EVOLVE-BLOCK כוללים את הדברים הבאים:

• שורות נפרדות: סימני התגובות EVOLVE-BLOCK-START ו-EVOLVE-BLOCK-END חייבים להופיע לבד בשורות משלהם. אל תמקמו קוד או תוכן אחר באותה שורה של סמן, חוץ מרווחים לבנים ותחיליות של הערות (כמו # או //).
• נדרש קוד שניתן לעריכה: האזור שבין סמן ההתחלה לסמן הסיום חייב להכיל לפחות שורה אחת של קוד שניתן לעריכה. בלוקים שמכילים רק רווחים לבנים, הערות או מחרוזות תיעוד נדחים עם שגיאת אימות, כי אין לוגיקה ש-AlphaEvolve יכול לשנות.
• אין בלוקים מקוננים: אין תמיכה בבלוקים מקוננים של evolve.

הערה: קוד התוכנית הראשוני צריך להיות ברור ומאורגן. קוד לא מובנה מכניס רעש למרחב החיפוש ופוגע באיכות המוטציה.

שיטות מומלצות להגבלת מרחב החיפוש

האופן שבו אתם מסדרים את הייבוא הבלתי ניתן לשינוי וממקמים את הבלוקים של הפיתוח מראה באופן מפורש את הגבולות התפעוליים של AlphaEvolve.

ניהול הייבוא של ספריות וקשרי תלות

‫AlphaEvolve לא יכול לקבוע באופן מובנה אילו ספריות חיצוניות מתאימות לסביבת הייצור שלכם.

כדי לאפשר ניתוח פתוח: אם כל חבילה מתמטית או חבילת למידת מכונה מתאימה למקסום המדד, צריך להציב את הייבוא בתוך EVOLVE-BLOCK שניתן לשינוי. כך ל-AlphaEvolve יש חופש להחליף מסגרות חלופיות (למשל, להחליף את sklearn ב-TensorFlow או ב-xgboost).

כדי לאכוף שרשראות כלים מחמירות: אם כל המודלים חייבים להגיע מחבילה ספציפית, צריך להצהיר על החבילה הזו כייבוא שלא ניתן לשינוי מחוץ לבלוק evolve. אם AlphaEvolve צריך מודולים פנימיים נוספים מהחבילה הזו במהלך החיפוש, הוא עדיין יכול לייבא אותם באופן מקומי בתוך המרחב הניתן לשינוי שלו בלי להפר את האילוץ הגלובלי.

הימנעו ממרחב חיפוש מוגבל מדי

נסחו כמה שיותר אילוצים קשיחים כבלוקים של קוד שלא ניתן לשנות בתוכנית הראשונית או בהקשר הטקסט הנוסף שהמשתמש סיפק. כך מצמצמים את הסיכוי שהסוכן יבחן פתרונות שלא ניתנים ליישום מבחינה מבנית.

עם זאת, אל תצמצמו את מרחב החיפוש עד כדי כך שגישה אבולוציונית תהפוך למיותרת. לדוגמה, אם מאלצים את AlphaEvolve להשתמש רק ברגרסיות לינאריות עם פרמטר יחיד, הבעיה מצטמצמת למרחב הגדרות צר שאפשר לנתח באמצעות כלי עזר רגילים לחיפוש Grid. במקום זאת, השתמשו באילוצים גמישים כעונשים שליליים בקריטריונים להערכה כדי להנחות את החקירה בלי לחנוק אותה.

מיקום אסטרטגי של בלוקים להשגת יעדים ממוקדים

שינוי ההיקף של EVOLVE-BLOCK משנה את כל יעד האופטימיזציה של צינור עיבוד הנתונים:

אופטימיזציה של כיול מחוץ לדגימה (OOS): אם המטרה שלכם היא גילוי אלגוריתמי רחב, עטפו את הבלוק סביב כל שגרת הכוונון והאתחול של המודל.

אופטימיזציה של ההתאמה המבנית: אם רוצים לשמור על מסגרת לינארית אבל מגלים ביטויים אנליטיים מורכבים או טרנספורמציות מתמטיות בהתאמה אישית, צריך לבודד את הבלוק הניתן לשינוי אך ורק סביב הלוגיקה של טרנספורמציית התכונות, ולשמור על ארכיטקטורת המודל במורד הזרם קבועה ובלתי ניתנת לשינוי.

שמירה על היררכיה מודולרית (דוגמאות ל-HDL/Verilog): כשמבצעים אופטימיזציה של הגדרות של בלוקים של קוד מבני, חשוב להקפיד שהתגים EVOLVE-BLOCK-START ו-EVOLVE-BLOCK-END יישארו בתוך הגבולות של הגדרת המודול. כך ההיוריסטיקה של החיפוש לא תבצע מהלכים לא חוקיים מבחינה מבנית, כמו ניסיון להחליף מודול אחד שמכיל את כל מה שצריך בכמה מודולי משנה צפים שלא מופו.