如要判斷某個用途是否適合使用 AlphaEvolve，請根據下列三項重要考量因素進行評估。
問題公式化可行性：
評估將問題表示為演算法最佳化問題的難易度。
直接最佳化程式碼：問題涉及直接最佳化程式碼效能。
- 適合度：可能適合。
一般數學搜尋或組合最佳化：可行解決方案的決策變數和限制條件，可以描述為標準程式設計語言的程式，並由相應的單元和功能測試集支援。這適用於大多數數學最佳化用途。
- 適合度：可能適合。
使用獨特資料模態進行專業數學搜尋：最佳化涉及的資料模態無法在電腦程式中表示為參數和變數 (例如蛋白質結構、基因組學資料，或圖片和影片內容最佳化)。
- 適合度：不適合。建議改用領域專屬的最佳化模型或代理程式，例如生命科學領域的 AlphaFold 或 AlphaGenome，或是行銷和創意用途的 GenMedia 代理程式。
請先確認問題的核心邏輯和限制條件是否能完全轉換為程式碼，再繼續操作。
最佳化問題複雜度：
評估最佳化問題的複雜程度是否符合 AlphaEvolve 的功能。
演算法探索與最佳化：評估可能正確程式的設計空間複雜度：
設計選擇範圍狹窄且明確：不適合。
設計選項數量龐大或無限制：可能很適合。
適用於一般數學搜尋和組合最佳化
評估可行決策變數和目標函數的性質：
凸函數、線性函數或兩者兼具的目標函數：不適合。
非凸面、高度非線性或兩者兼具的目標函式：可能很適合。
當精確求解器遇到組合縮放限制時，AlphaEvolve 可帶來最高投資報酬率。
評估可行性和執行階段：
判斷是否能在合理時間內 (通常是幾分鐘)，評估建議解決方案的成效。
如果可以使用下列任一方法評估解決方案驗證指標和最佳化目標，就適合採用用例：
決定性計算：使用公式或基準執行階段測試，以分析方式計算。
資料驅動的估算：透過針對樣本外測試資料集進行驗證，或使用專用模擬工具和模型進行模擬來估算。
基礎架構測試：直接在目標基礎架構元件上，使用負載測試和效能測試進行測量。
快速、自動化且具決定性的評估循環，是成功進行演化搜尋循環的關鍵。