利用图神经网络与宏-微进化提取集体行为的符号模型
多智能体系统
2022-05-03 v1 机器人学
摘要
集体行为通常难以建模。群体的规模、大量的交互以及行为的丰富性与复杂性,都是使得将集体行为提炼为简单符号表达式变得困难的因素。在本文中,我们提出了一种新颖的符号回归方法,旨在促进此类建模。我们的方法以原始和经过后处理的数据作为输入,产生紧密建模目标行为的可行符号表达式。我们的方法由两阶段组成。在第一阶段,训练图神经网络 (GNN) 以提取目标行为的近似。在第二阶段,GNN 被用于为称为宏-微进化 (MME) 的嵌套进化算法生成数据。该算法的宏层选择候选符号表达式,而微层调优其参数。实验评估表明,我们的方法优于竞争性的符号回归方案,使得为复杂群体行为提取紧凑表达式成为可能。
引用
@article{arxiv.2205.00614,
title = {Extracting Symbolic Models of Collective Behaviors with Graph Neural Networks and Macro-Micro Evolution},
author = {Stephen Powers and Carlo Pinciroli},
journal= {arXiv preprint arXiv:2205.00614},
year = {2022}
}
备注
13 pages, submitted to ANTS 2022