现代神经进化策略在连续控制优化中的有效性
神经与进化计算
2020-06-02 v2 机器学习
机器人学
摘要
我们分析了现代神经进化策略在连续控制优化中的有效性。总体而言，在多种性质不同的基准问题上收集的结果表明，这些方法总体有效，并且能很好地随参数数量和问题复杂度的增加而扩展。此外，它们对超参数的设置相对鲁棒。对最有前景的方法的比较表明，OpenAI-ES 算法在所有考虑的问题上优于或等同于其他算法。此外，我们展示了为强化学习方法优化的奖励函数未必对进化策略有效，反之亦然。这一发现可引发对两类算法相对有效性的重新考量，因为它意味着迄今为止进行的比较偏向于其中一类或另一类。
引用
@article{arxiv.1912.05239,
title = {Efficacy of Modern Neuro-Evolutionary Strategies for Continuous Control Optimization},
author = {Paolo Pagliuca and Nicola Milano and Stefano Nolfi},
journal= {arXiv preprint arXiv:1912.05239},
year = {2020}
}
备注
17 pages, 5 Figures, 4 Tables