进化引导的生成流网络
机器学习
2025-06-16 v2 人工智能
摘要
Generative Flow Networks (GFlowNets) 是一类概率生成模型，通过学习按奖励比例对组合对象进行采样。GFlowNets 面临的一大挑战是在处理长时间跨度与稀疏奖励时难以有效训练。为解决此问题，我们提出了进化引导的生成流网络（Evolution guided generative flow networks, EGFN），一种利用进化算法（Evolutionary algorithms, EA）对 GFlowNets 训练进行简单但强大的增强方法。该方法可应用于任何 GFlowNets 训练目标之上，通过 EA 训练一组智能体参数，将生成的轨迹存储在优先经验回放池中，并利用存储的轨迹训练 GFlowNets 智能体。我们在广泛的玩具任务和真实世界基准任务上进行了全面研究，证明了该方法在处理长轨迹和稀疏奖励方面的有效性。代码发布于 http://github.com/zarifikram/egfn。
引用
@article{arxiv.2402.02186,
title = {Evolution Guided Generative Flow Networks},
author = {Zarif Ikram and Ling Pan and Dianbo Liu},
journal= {arXiv preprint arXiv:2402.02186},
year = {2025}
}
备注
Transaction of machine learning research