基于差分Map-Elites的自参照质量多样性
神经与进化计算
2021-07-13 v1
摘要
差分MAP-Elites是一种新颖的算法,它将CVT-MAP-Elites的照亮能力与差分进化的连续空间优化能力相结合。该算法的动机源于如下观察:照亮算法以及广义上的质量多样性算法为进化计算提供了质上全新的能力与应用,但其原始版本相对而言是不成熟的优化器。此处首次引入的基本差分MAP-Elites算法相对简单,它仅将差分进化的算子与CVT-MAP-Elites的映射结构相组合。基于25个数值优化问题的实验表明,差分MAP-Elites明显优于CVT-MAP-Elites,能找到更高质量且更具多样性的解。
引用
@article{arxiv.2107.04964,
title = {Self-Referential Quality Diversity Through Differential Map-Elites},
author = {Tae Jong Choi and Julian Togelius},
journal= {arXiv preprint arXiv:2107.04964},
year = {2021}
}