map-elites | BriefGPT - AI 论文速递

关键词map-elites

搜索结果 - 13

通过遗传编程演化基准函数比较进化算法
利用遗传规划（GP）生成新的优化基准函数，通过利用 Wasserstein 距离和 MAP-Elites 方法，我们展示 GP 生成的基准函数能够更好地区分算法，并自动设计、比较进化算法。
PDF3 months ago
映射极点是否揭示搜索空间？MAP-Elites 应用于人工智能与人类协作设计的大规模用户研究
研究发现，人工智能协作设计工具的设计推荐对设计过程有积极影响，尤其是综合使用 MAP-Elites 和随机选取的设计推荐能够提高设计任务的参与度和最终设计的质量。有关衡量人工智能协作算法在设计过程中影响的指标存在不足，这对于设计新的混合倡议
PDF5 months ago
质量多样性与描述条件增强学习的协同
DCG-MAP-Elites 在多个挑战性连续控制运动任务中实现与所有基线模型相当或更高的 QD 得分和覆盖率。
PDF7 months ago
稀疏奖励和稀疏互动下的质量多样性：机器人抓取的应用
通过评估框架，该研究工作在 10 个不同抓取领域进行了 15 种方法的实验，结果显示优先选择成功解决方案的 MAP-Elites 变体在所研究的指标上大大优于其他方法，并发现稀疏交互可能导致迷惑性的新颖性，此工作在文献中具有创新性地有效产生
PDFa year ago
梯度信息驱动的离散空间探索优化算法
本文提出了一种基于离散空间和可微函数的拓展质量多样性优化算法（ME-GIDE），利用目标和描述符函数对其离散输入的梯度信息来引导搜索，以获得高质量的多样化解决方案，并在蛋白质设计和离散潜在空间点亮等基准测试中，比现有的质量多样性算法表现更好
PDFa year ago
基于 MAP-Elites 的多样化 RL 智能体群体进化
本文介绍了一个灵活的框架，该框架允许使用任何强化学习（RL）算法，并通过演化代理人群体而不仅仅是策略来缓解限制，以改进 QD 在机器人控制问题中的应用。
PDFa year ago
决策树的优质多样进化学习
为了解释机器学习的需求，在解释性人工智能研究方向上，决策树和增强学习的混合模型成为一个新的研究方向，其中使用了 MAP-Elites 方法来拓展模型，该方法在 OpenAI Gym 库的两个控制问题中表现良好。
PDF2 years ago
基于 MAP-Elites 的超启发式方法解决资源约束项目调度问题
该论文提出了一种基于 MAP-Elites 的超启发式方法，用于自动发现 RCPSP 的高效优先级规则，并与传统的 GPHH 和人类专家的优先级规则进行比较，结果表明该方法在多样性和性能方面都有显著改进。
PDF2 years ago
通过 MAP-Elites 照亮敌人的空间
本文介绍了一种扩展进化方法的敌人生成系统，它将敌人的难度作为目标，不断地生成多样化的敌人，并让玩家在游戏中感受到易、中、难不同的敌人对挑战的提升。
PDF2 years ago
将复合式模式生成网络和 GAN 结合，用于大规模图案生成的 CPPN2GAN
通过将 Compositional Pattern Producing Networks 与 GAN 结合，定义 latent vectors 为一种以组织 level segment 的方式生成完整游戏级别的方法，并通过 MAP-Elit
PDF4 years ago
将 MAP-Elites 扩展到深度神经进化
本论文介绍了一种在高维控制中应用 MAP-Elites 和 Evolution Strategies 算法的新型算法 ME-ES，用于机器人关节损伤后的恢复。该算法在强欺骗奖励的高维控制任务中表现出与现有探索算法相当的高效探索能力。
PDF4 years ago
利用滑动边界的 MAP-Elites 算法映射 Hearthstone 卡组空间
本文介绍了一种名为 MESB 的新型 MAP-Elites 算法变体，将其应用于 Hearthstone 的设计和重新平衡，并展示了其在游戏中表现出的多样的表现形式和公共模式。
PDF5 years ago
通过精英映射技术照亮搜索空间
描述了一种基于 Multi-dimensional Archive of Phenotypic Elites (MAP-Elites) 算法的多目标搜索优化算法，该算法通过生成高性能解的分布图，帮助用户更好地分析最佳解的属性及其效果。
PDF9 years ago