质量与多样性优化：一个统一的模块化框架

根据一个或多个目标寻找最优解的函数优化在许多工程和研究领域中发挥着核心作用。最近，一种名为质量 - 多样性（Quality-Diversity）优化的新算法家族被提出，其与传统算法形成鲜明对比。质量 - 多样性算法并非寻找单一解，而是搜索大量兼具多样性和高性能的解集合。该集合的作用在于尽可能覆盖所有可能的解类型，并包含每种类型中的最优解。本文的贡献有三方面：首先，我们提出了一个质量 - 多样性优化算法的统一框架，涵盖了该家族的两个主要算法（表型精英多维档案 Multi-dimensional Archive of Phenotypic Elites 和具有局部竞争的新颖性搜索 Novelty Search with Local Competition），并突显了在该家族内可研究的各种变体；其次，我们提出了一种具有新选择机制的质量 - 多样性算法，其性能优于本文测试的所有算法；最后，我们提出了一种新的集合管理方法，克服了使用非结构化集合时观察到的侵蚀问题。这三项贡献得到了在三种不同实验场景下对质量 - 多样性算法进行的广泛实验比较的支持。