多发射器MAP-Elites:利用异构发射器集合提升质量、多样性与收敛速度
神经与进化计算
2021-07-07 v2
摘要
质量-多样性(QD)优化是一类旨在生成多样且高性能解集合的新型学习算法族。其中,近期提出的协方差矩阵自适应MAP-Elites(CMA-ME)算法提出了发射器的概念,利用预定义启发式来驱动算法探索。该算法被证明优于MAP-Elites——一种在众多应用中展现出前景的流行QD算法。本文中,我们引入多发射器MAP-Elites(ME-MAP-Elites),一种直接扩展CMA-ME并改善其质量、多样性与数据效率的算法。它利用异构发射器集合的多样性,其中每类发射器以不同方式改进优化过程。一个赌博机算法根据当前情况动态找出最佳发射器选择。我们在六项任务上评估ME-MAP-Elites的性能,范围从标准优化问题(100维)到机器人复杂运动任务。与CMA-ME和MAP-Elites的比较表明,ME-MAP-Elites能更快地提供显著更多样且性能更高的解集合。此外,在不同发射器间无法发现富有成效的协同时,ME-MAP-Elites等同于所比较算法中的最优者。
引用
@article{arxiv.2007.05352,
title = {Multi-Emitter MAP-Elites: Improving quality, diversity and convergence speed with heterogeneous sets of emitters},
author = {Antoine Cully},
journal= {arXiv preprint arXiv:2007.05352},
year = {2021}
}