利用进化优化在线优化课程学习调度
人工智能
2024-08-13 v1 神经与进化计算
摘要
我们提出了 RHEA CL，该方法将课程学习（CL）与滚动时间窗进化算法（RHEA）相结合，以在强化学习智能体的训练过程中自动生成有效的课程。RHEA CL 利用进化算法优化课程种群，并选择表现最佳的课程作为下一个训练周期的起点。在所有环境中，每个课程步骤之后都会进行性能评估。我们在 Minigrid 框架中的 \textit{DoorKey} 和 \textit{DynamicObstacles} 环境中评估了该算法。结果表明该算法具有适应性并在早期阶段持续改进，随后达到稳定的性能，能够超越其他课程学习器。与其他课程调度方案相比，RHEA CL 已被证明能以训练期间额外评估为代价，为最终的强化学习（RL）智能体带来性能提升。
引用
@article{arxiv.2408.06068,
title = {Online Optimization of Curriculum Learning Schedules using Evolutionary Optimization},
author = {Mohit Jiwatode and Leon Schlecht and Alexander Dockhorn},
journal= {arXiv preprint arXiv:2408.06068},
year = {2024}
}
备注
8 pages including abstract, to be published in the Proceedings of the IEEE Conference on Games 2024