利用质心 Voronoi 剖分扩展表型精英多维存档算法
神经与进化计算
2017-08-01 v2
摘要
近期提出的表型精英多维存档 (MAP-Elites) 是一种进化算法，能够在单次运行中产生一个包含多样且高性能解的大型存档。它通过根据每个维度所需的离散化将连续特征空间离散化为唯一区域来工作。该算法虽然简单，但有一个主要缺点：它无法扩展到高维特征空间，因为区域数量随维度数量呈指数增长。在本文中，我们通过引入 MAP-Elites 的一个简单扩展来解决这一局限性，该扩展具有恒定的、预定义的区域数量，而不受特征空间维度的影响。我们的主要洞见是，计算几何的方法可以将高维空间划分为分布良好的几何区域。具体而言，我们的算法使用质心 Voronoi 剖分 (CVT) 将特征空间划分为所需数量的区域；然后将每个生成的个体放入其最近的区域，如果该区域已被占据，则替换适应度较低的个体。我们通过与 MAP-Elites 在迷宫导航和六足机器人运动任务中的比较，证明了新的“CVT-MAP-Elites”算法在高维特征空间中的有效性。
引用
@article{arxiv.1610.05729,
title = {Using Centroidal Voronoi Tessellations to Scale Up the Multi-dimensional Archive of Phenotypic Elites Algorithm},
author = {Vassilis Vassiliades and Konstantinos Chatzilygeroudis and Jean-Baptiste Mouret},
journal= {arXiv preprint arXiv:1610.05729},
year = {2017}
}