用于自主智能体状态到动作映射的神经网络拓扑自适应基因组进化（AGENT）
神经与进化计算
2019-03-19 v1 人工智能
机器人学
摘要
神经进化是通过进化算法训练神经网络（NN）的过程，通常用作控制或强化学习类问题中的状态到动作映射模型。本文建立在增强拓扑神经进化（NEAT）形式体系之上，该形式体系允许设计拓扑和权重共同进化的神经网络。对神经进化过程进行了基础性改进，以解决过早停滞和收敛问题，其中核心是将自动控制种群多样性和神经进化过程中平均适应度提升的机制引入。通过在 Open AI 平台的三个基准问题和一个无人机（UAV）碰撞避免问题上评估新算法，获得了关于其性能和效率的见解。
引用
@article{arxiv.1903.07107,
title = {Adaptive Genomic Evolution of Neural Network Topologies (AGENT) for State-to-Action Mapping in Autonomous Agents},
author = {Amir Behjat and Sharat Chidambaran and Souma Chowdhury},
journal= {arXiv preprint arXiv:1903.07107},
year = {2019}
}
备注
Accepted for presentation in (and publication in the proceedings of) the 2019 IEEE International Conference on Robotics and Automation (ICRA)