理解形态演化中的适应度景观：基于局部最优网络
人工智能
2024-02-13 v1
摘要
形态演化 (ME) 指的是在给定任务和环境的条件下，同时优化机器人的设计和控制，以最大化性能。已提出许多基因编码方法 capable of 表示设计和控制。以前的研究提供了关于编码在目标函数和被评估设计多样性方面性能的经验比较，但没有尝试解释观察到的发现。我们通过应用局部最优网络 (LON) 分析来调查三种不同编码引起的适应度景观结构，当演化用于 locomotion 任务的机器人时，可为不同适应度景观被搜索过程遍历的便捷性提供新视角。尽管 LON 分析在组合优化领域广受欢迎，但这是首次将其应用于 ME 领域；我们的发现将促进未来针对 ME 景观设计新算法或算子。
引用
@article{arxiv.2402.07822,
title = {Understanding fitness landscapes in morpho-evolution via local optima networks},
author = {Sarah L. Thomson and Léni K. Le Goff and Emma Hart and Edgar Buchanan},
journal= {arXiv preprint arXiv:2402.07822},
year = {2024}
}
备注
Submitted to GECCO-2024