最適化アルゴリズムの性能評価において、標準的なベンチマークテストであるCEC 2017では、バイアス、シフト、回転の変換が同時に適用されてきました。しかし、これらの変換が個別にアルゴリズムの動作に与える影響を区別することは困難でした。本研究は、これら3つの変換を独立して制御できるパラメータ化されたフレームワークを導入し、元の関数と変換データを保持しながら、各変換の効果を個別に診断することを実現しています。 研究の対象となったのはハイブリッド海洋捕食者アルゴリズム（hMPA）で、このアルゴリズムは数値的な目的関数値と座標ごとの再構成に依存する予測候補メカニズムを備えています。アルゴリズムレベルの比較手法であるDSCおよび拡張DSC（eDSC）を、構成レベルの診断に適応させることで、CEC 2017ベンチマークの8つのバイアス・シフト・回転の全組み合わせに対する包括的な分析を初めて実現しました。 実験では29個の関数を対象に、次元10～100の範囲で30回の独立実行を行い、10000×次元の目的関数評価予算を確保しました。結果として、DSCおよびeDSCはすべての次元において構成間に統計的に有意な差異を検出しましたが、関数によってランキングが異なり、一貫した順序付けは困難であることが判明しています。具体的には、シフト変換は一般的に目的関数値を悪化させ、回転単独での影響は限定的で、バイアス単独はほぼ無視できることが示されました。シフトと回転の組み合わせが制御条件からの乖離が最も一貫していました。本フレームワークはhMPAに限定されますが、他の連続最適化器やCEC 2024、CEC 2025などの関連ベンチマークへも拡張可能な、再現性のある診断プロトコルを提供しています。