高效神经进化觅食所需的最小输入集研究
分布式、并行与集群计算
2019-11-28 v1
摘要
在本文中，我们对 \neatfa 进行了消融研究，这是一种神经进化的觅食算法，最近已被证明在不同资源分布下均能高效觅食。通过有选择地禁用输入信号，我们确定了一组“充分”最小的输入特征集，这些特征对决定有利于高资源收集率的搜索轨迹贡献最大。我们的实验表明，无论资源在场地中如何分布，赋予控制器从搜索资源切换到将资源运回巢穴能力的信号都是最关键的。此外，我们发现信息素通过为寻找未觅食资源提供有依据的运动的信号，在提升控制器性能方面起着关键作用。
引用
@article{arxiv.1911.11974,
title = {On the Minimal Set of Inputs Required for Efficient Neuro-Evolved Foraging},
author = {John Erickson and Abhinav Aggarwal and Melanie E. Moses},
journal= {arXiv preprint arXiv:1911.11974},
year = {2019}
}
备注
Presented at BDA 2019 (Colocated with PODC 2019)