测地线、非线性与新颖性搜索的档案
机器学习
2022-05-09 v1 人工智能
神经与进化计算
摘要
新颖性搜索(Novelty Search, NS)算法于十余年前被提出。然而，其经验性成功背后的机制仍未被很好地形式化或理解。本短注聚焦于档案(archive)对探索的影响。来自若干应用领域的实验证据表明，基于档案的 NS 通常优于仅相对于种群计算新颖性的情形。文献中常见的一种论点是，档案防止探索回溯或循环，即避免重访行为空间中曾到达的区域。我们认为这并非完整或准确的解释，因为回溯——除往往令人期望外——实际上可由档案所促成。通过低维/解析例子，我们表明档案的一个关键效应是它抵消了由不当行为度量及行为映射的非线性等因素所导致的探索偏置。我们的观察似乎暗示，在采样中赋予档案更主动的角色可能是有益的。
引用
@article{arxiv.2205.03162,
title = {Geodesics, Non-linearities and the Archive of Novelty Search},
author = {Achkan Salehi and Alexandre Coninx and Stephane Doncieux},
journal= {arXiv preprint arXiv:2205.03162},
year = {2022}
}
备注
4 pages, 3 figures