通过映射精英照亮搜索空间

许多领域使用搜索算法自动探索搜索空间以寻找高性能解：化学家在分子空间中搜索以发现新药；工程师搜索更强、更便宜、更安全的设计；科学家搜索最能解释数据的模型等。传统上，搜索算法的目标是返回搜索空间中单一的最高性能解。在此，我们描述了一种全新的、根本不同类型的算法，它因提供了高性能解在整个搜索空间中分布的全局视图而更具实用性。该算法在由用户选择的变异维度所定义的空间中，为每个点创建高性能解的映射。这种多维表型精英档案（Multi-dimensional Archive of Phenotypic Elites, MAP-Elites）算法能够照亮搜索空间，使研究人员能够理解解的有趣属性如何组合以影响性能，无论是正面影响还是同样值得关注的负面影响。例如，制药公司可能希望了解随着分子大小及其生产成本的变化，性能如何改变。MAP-Elites 产生大量高性能且在性质上不同的多样化解，这比单一的高性能解更有帮助。有趣的是，由于 MAP-Elites 探索了更多的搜索空间，它往往也能比最先进的搜索算法找到更好的整体解。我们在三个不同的问题领域展示了该新算法的优势，范围从生成模块化神经网络到设计仿真及实体软体机器人。由于 MAP-Elites (1) 阐明了性能与解中感兴趣维度之间的关系，(2) 返回一组高性能但多样化的解，以及 (3) 改进了寻找单一最优解的能力，它将推动科学和工程的进步。