Dominated Novelty Search: Rethinking Local Competition in Quality-Diversity
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Imperial College London(帝国理工学院);Amherst College(阿默斯特学院)
本文提出Dominated Novelty Search,将Quality-Diversity重新表述为通过适应度变换而非显式收集机制实现局部竞争的遗传算法,消除了预定义边界和参数需求,在标准基准及高维、无监督场景中均显著优于现有方法。
2025-02-01 cs.LG cs.NE
Exploring Promising Stepping Stones by Combining Novelty Search with Interactive Evolution
演化计算领域的灵感来自于自然进化的成就,在自然进化中没有最终目标。然而,对目标的追求在模拟进化中无处不在。一个重要的问题是,客观方法假定中间的垫脚石将越来越接近最终目标,而事实上往往并非如此。结果是,虽然可能存在解决办法,但寻找这些目标可能找不到解决办法。本文强调了在搜索过程中利用人类洞察力作为明确目标的替代方法的重要性。特别是,一种新的方法,称为新奇辅助交互式演化计算(NA-IEC)结合人类的直觉与新奇的搜索,第一次促进代理行为的偶然发现。在这种方法中,人类用户通过从屏幕上的行为群体中选择感兴趣的内容来指导进化。然而,与典型的IEC不同,用户现在可以请求用新的后代填充下一代。实验结果表明,将人类洞察力与新颖性搜索相结合,比全自动化过程(包括纯新颖性搜索)更快地找到解决方案,并且基因组复杂性更低,这表明人类用户在搜索解决方案中发挥了重要作用。
2012-07-28 cs.NE
Generic Behaviour Similarity Measures for Evolutionary Swarm Robotics
新颖性搜索已被证明是一种很有前途的方法,为群体机器人控制器的进化。然而,在现有的研究中,实验者不得不制作一个域相关的行为相似性度量,以在群机器人应用中使用新颖性搜索。依赖手工制作的相似性测量给实验者带来了额外的负担,并在进化过程中引入了偏见。在本文中,我们提出并比较了两个独立于任务的通用行为相似性度量:组合状态计数和采样平均状态。所提出的措施使用的值的传感器和效应器记录为每个单独的机器人的群体。然后通过组合来自所有机器人的传感器效应器值来获得组级行为的表征。我们在一个聚合任务和一个资源共享任务中评估所提出的措施。我们表明,通用措施匹配的性能,解决方案的质量方面的领域相关的措施。我们的研究结果表明,建议的通用措施作为有效的行为相似性措施,它是可能的,利用新颖性搜索的好处,而不必工艺领域的具体相似性措施。
2013-04-11 cs.NE
Comparing and Combining Lexicase Selection and Novelty Search
演化计算中常用的两种亲本选择方法--词典选择和新颖性搜索,比传统的锦标赛选择等方法更强调在搜索空间内的广泛探索。然而,词库选择并没有明确地驱动选择人口中的新颖性,和新颖性搜索遭受缺乏方向的目标,特别是在无约束,高维空间。我们通过为每个测试用例创建一个新颖性得分,并将这些新颖性得分添加到词典选择中使用的正常错误值中,将词典选择和新颖性搜索的优势结合起来。我们使用这种新的新颖性词典选择来解决自动程序合成问题,并发现它显着优于新颖性搜索和词典选择。此外,我们发现,新颖性搜索在程序合成的问题域中几乎没有成功。我们探索这些方法对人口多样性和长期问题解决性能的影响,并提供证据支持的假设,新颖的词典选择抵制收敛到局部最优比词典选择。
2019-07-03 cs.NE
CosmoCore-Evo: Evolutionary Dream-Replay Reinforcement Learning for Adaptive Code Generation
Microsoft Corporation(微软公司)
CosmoCore-Evo通过进化算法提升代码生成的适应性和新颖性,实现更高性能和更快适应。
2025-12-20 cs.AI cs.NE cs.SE
Model-Based Quality-Diversity Search for Efficient Robot Learning
Technische Universität Darmstadt(达姆施塔特工业大学);Max-Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
尽管最近在机器人学习方面取得了进展,但对机器人进行编程以处理开放式对象操作任务仍然是一个挑战。最近,一种方法被用来自主地产生一个剧目的不同的技能是一个新颖的基础上的质量多样性(QD)算法。然而,与大多数进化算法一样,量子点算法存在样本效率低的问题,因此,将其应用于现实世界的场景具有挑战性。本文解决了这个问题,通过集成一个神经网络,预测的行为的扰动参数到一个新颖的QD算法。在提出的基于模型的质量多样性搜索(M-QD)中,网络被同时训练到指令集,并用于避免在新颖性搜索过程中执行没有希望的动作。此外,它还用于调整最终曲目的技能,以便将技能推广到不同的场景。我们的实验表明,增强QD算法与这样的前向模型提高了样本效率和性能的进化过程和技能适应。
2020-08-11 cs.AI cs.LG cs.NE
Novelty Search in Competitive Coevolution
使用竞争性共同进化系统的主要动机之一是它们能够利用竞争物种之间的军备竞赛来进化出越来越复杂的解决方案。然而,这种军备竞赛可能难以持续,而且已经表明,相互竞争的物种往往过早地趋同于某些行为类别。在本文中,我们调查新颖性搜索,行为新颖性驱动的进化技术,可以克服收敛的共同进化。我们提出了三种方法应用新颖性搜索两个物种的共同进化系统:(一)得分两个人口根据行为的新颖性;(二)得分一个人口根据新颖性,和其他根据健身;和(iii)得分两个人口的新颖性和健身的组合。我们评估的方法在捕食者-猎物的追求任务。我们的研究结果表明,基于新颖性的方法可以发展出一个显着更多样化的解决方案,相比传统的健身为基础的协同进化。
2014-07-02 cs.MA cs.NE
Systematic Derivation of Behaviour Characterisations in Evolutionary Robotics
Instituto de Telecomunicações(葡萄牙电信研究所);Faculdade de Ciências da Universidade de Lisboa(里斯本大学理学院);Instituto Universitário de Lisboa (ISCTE-IUL)(里斯本大学学院)
由行为多样性驱动的进化技术,如新奇搜索,在进化机器人中显示出巨大的潜力。这些技术依赖于预先指定的行为特征来估计个体之间的相似性。表征通常基于实验者关于任务的直觉和知识以特别的方式定义。或者,使用基于代理的传感器效应器值的通用表征。在本文中,我们提出了一种新的方法,允许进化机器人的行为特征的系统推导,基于代理和他们的环境的正式描述。系统衍生的行为特征(SDBC)超越了一般的特征,因为它们可以包含与代理的内部状态,环境特征以及它们之间的关系相关的特定于任务的特征。我们评估SDBC与新奇搜索在三个模拟集体机器人任务。我们的研究结果表明,SDBCs产生的性能相媲美的特定任务的表征,在解决方案的质量和行为空间探索。
2014-07-02 cs.MA cs.NE cs.RO
Evolutionary Discovery of Developmental Reward Schedules in Deep Reinforcement Learning
College of Computing at the Georgia Institute of Technology(佐治亚理工学院计算学院);School of Engineering and Applied Science at the University of Pennsylvania(宾夕法尼亚大学工程与应用科学学院)
提出进化框架自动发现深度强化学习中的发展性奖励调度,通过时变权重组合代理、新奇和反应性三种动机,在稀疏奖励任务上优于手工设计基线,并发现新奇动机主导早期训练。
2026-07-13 cs.LG cs.NE
Novelty-Driven Binary Particle Swarm Optimisation for Truss Optimisation Problems
桁架的拓扑优化可以表述为组合和多模态问题,其中定位不同的最优设计允许从业者根据他们的偏好选择最佳设计。双层优化已成功地应用于桁架优化,考虑拓扑结构和尺寸在上层和下层,分别。我们引入精确枚举来严格分析拓扑搜索空间,并消除小问题的随机性。我们还提出了新颖性驱动的二进制粒子群优化更大的问题,发现新的设计在上层最大限度地提高新颖性。对于较低的水平,我们采用了一个可靠的进化优化来解决布局配置方面的问题。我们认为桁架优化问题的实例,设计师需要选择的酒吧从一个离散的设置方面的实践规范的限制。我们的实验研究表明,我们的方法优于目前国家的最先进的方法,它获得了多个高质量的解决方案。
2021-12-15 cs.NE
Adapting Novelty towards Generating Antigens for Antivirus systems
本文提出一个基于汇编代码的进化框架,通过新颖性搜索生成多样化恶意软件变体,可逃避98%以上反病毒扫描器,作为抗原辅助检测算法改进。
2025-05-24 cs.CR cs.NE
Novelty-Based Generation of Continuous Landscapes with Diverse Local Optima Networks
The University of Fukuchiyama(福知山大学)
本文提出基于Max-Set of Gaussians景观的新型Basin of Attraction定义,利用新颖性搜索生成多样化的局部最优网络,通过实验验证其与梯度基方法的一致性,并预测进化算法的成功率。
2026-07-02 cs.NE
The Emergence of Canalization and Evolvability in an Open-Ended, Interactive Evolutionary System
自然进化产生了各种各样的功能有机体。许多人认为,这一过程的一个重要组成部分是可进化性的进化,即进化通过产生更具适应性的后代来加速其创新能力。一种假设的进化机制是发育渠道化,其中某些变异维度变得更有可能被穿越,而其他维度则被阻止探索(例如后代往往有相似大小的腿,突变影响双腿的长度,而不是每条腿的长度)。虽然在自然界中无处不在,但在进化的计算模拟中,渠化几乎从未进化过。这不仅剥夺了我们研究可进化性进化的计算机模型,而且还提出了什么条件产生这种形式的可进化性的问题。解决这个问题将有助于阐明为什么这种进化性会自然出现,并可以加速利用进化来解决重要工程挑战的工程努力。在本文中,我们揭示了一个独特的系统中,渠化出现在计算进化。我们的文件,基因组巩固某些方面的变化,经常探索在其进化史。这些生物体的遗传表现也进化为高度模块化和层次化,我们表明,这些组织特性与健身增加。有趣的是,产生这种可进化性的计算进化实验类型与传统的数字进化非常不同,因为它没有目标,这表明开放式的、发散的进化过程可能是可进化性进化所必需的。
2019-02-14 cs.NE
Emergence of Altruism Behavior for Multi Feeding Areas in Army Ant Social Evolutionary System
行军蚁表现出利他主义,一只蚂蚁为了另一只蚂蚁的利益而牺牲自己的幸福。行军蚁用自己的身体在从食物到巢穴的道路上建造桥梁。我们开发了一个以蚂蚁为灵感的具有利他行为的社会进化系统。该系统有两种蚂蚁代理,“大蚂蚁”和“小蚂蚁”,蚂蚁之间通过信息素进行通信。一只蚂蚁可以把它们当作其他蚂蚁发出的信号。信息素以一定的比例挥发,随机扩散到相邻空间。如果找到了最佳的桥梁,通过桥梁的路径就是从食物到巢穴的最短路线。定义了蚂蚁在低占有率情况下离开桥梁的概率,并给出了最优路径的构造方法。本文观察了蚂蚁在有两个或多个取食点的环境中的行为。一些实验结果表明,蚂蚁的利他行为非常有趣。本文报道了在某些计算机模拟中的描述。
2018-07-10 cs.ET cs.MA cs.NE
Adaptive Combination of a Genetic Algorithm and Novelty Search for Deep Neuroevolution
演化计算(EC)已被证明能够快速训练深度人工神经网络(DNN)来解决强化学习(RL)问题。虽然遗传算法(GA)非常适合于利用既不具有欺骗性也不稀疏的奖励函数,但当奖励函数是这些函数中的任一个时,它就会挣扎。为此,新奇搜索(NS)已被证明能够在某些情况下优于梯度跟踪优化器,而在其他情况下表现不佳。我们提出了一种新的算法:探索-利用$γ$ -自适应学习器($E^2γAL$,或EyAL)。通过保留一个动态大小的小生境的新奇寻求代理,该算法设法保持人口的多样性,利用奖励信号时,可能的和探索,否则。该算法结合了GA的开发能力和NS的探索能力,同时保持了它们的简单性和优雅性。我们的实验表明,EyAL在大多数情况下优于NS,同时与GA相当-在某些情况下,它可以优于两者。EyAL还允许用其他算法替代开发组件(GA)和探索组件(NS),例如,演化策略和惊喜搜索,从而为未来的研究打开了大门。
2022-09-08 cs.MA cs.NE
A Melting Pot of Evolution and Learning
Ben-Gurion University of the Negev(内盖夫本-古里安大学);DeepKeep
本文调研了团队近期八项融合进化算法与机器学习、深度学习的研究,涵盖分类、工具包、激活函数进化、神经进化、对抗攻击等多个方向的成果。
2023-06-08 cs.LG cs.NE
Quantum-Inspired Evolutionary Algorithms for Feature Subset Selection: A Comprehensive Survey
本文全面综述了用于解决特征子集选择问题的量子启发式进化算法,分析了56篇相关文献中的新颖元素、启发式类型、目标函数及量子门,并提出了未来的开放性研究问题。
2024-07-25 cs.NE
Quality Diversity Through Surprise
质量多样性是一个最近的家庭的进化搜索算法,其重点是找到几个性能良好的(质量),但不同的(多样性)的解决方案,目的是保持一个适当的平衡之间的分歧和收敛搜索。虽然质量多样性已经在复杂问题中取得了令人鼓舞的结果,但质量多样性的发散搜索变体的能力在很大程度上仍未被探索。受惊奇作为发散搜索的有效驱动力及其与新颖性正交的概念的启发,本文研究了前者对质量多样性性能的影响。为了这个目的,我们引入了三个新的质量多样性算法,采用惊喜作为多样性的措施,无论是自己或结合新颖性,并比较其性能对新颖性搜索与本地竞争,最先进的质量多样性算法。该算法在机器人导航任务中测试了60个高度欺骗性的迷宫。我们的研究结果表明,允许惊喜和新颖性协同运作的分歧,并结合本地竞争导致质量多样性算法的显着更高的效率,速度和鲁棒性。
2018-10-24 cs.NE
Evolutionary Self-Replication as a Mechanism for Producing Artificial Intelligence
在生存的背景下,生殖能在我们的机器中产生智能吗?在这项工作中,自我复制是探讨在现代学习环境中出现的智能行为的机制。通过纯粹关注生存,同时经历自然选择,进化的生物体被证明产生有意义的,复杂的和智能的行为,展示了创造性的解决方案,以挑战性的问题,没有任何奖励或目标的概念。雅达利和机器人学习环境重新定义的自然选择,并在这些实验中出现在自我复制的生物体的行为进行了详细描述。
2022-09-23 cs.NE
A synthetic biology approach for the design of genetic algorithms with bacterial agents
细菌一直是进化算法设计的灵感来源。20世纪初,合成生物学诞生了,这门学科的目标是设计自然界中不存在的生物系统,例如可编程的合成细菌。在本文中,我们介绍了作为一种新颖的进化算法的设计,其中所有的步骤进行合成细菌。为此,我们设计了一个遗传算法,我们称之为BAGA,说明它的效用解决简单的优化问题,如函数优化,0/1背包问题,哈密尔顿路径问题。所获得的结果打开了设想进化算法的可能性,其灵感来自合成生物学的原理、机制和遗传电路。总之,我们可以得出结论,合成生物学是一个灵感的来源,无论是进化算法的设计或其一些步骤,在我们的模拟实验中获得的结果所示。
2021-01-19 cs.MA cs.NE
Superior Exploration-Exploitation Balance with Quantum-Inspired Hadamard Walks
本文提出了量子启发的Hadamard行走,称为QHW的发展中采用的类比量子启发的进化算法。本文还提出了一种新的求解组合优化问题的量子进化算法HQEA。HQEA的新颖之处在于它结合了QHW远程搜索和QHW本地搜索-本文定义的经典突变和本地搜索的量子等价物。解释了这种方法背后的直观推理,以及由此发生的探索-开发平衡。从对0,1-背包问题进行的实验结果来看,HQEA在收敛速度和精度方面明显优于传统的遗传算法CGA和两种量子进化算法QEA和NQEA。
2010-04-04 cs.NE
How Information Evolves: Stability-Driven Assembly and the Emergence of a Natural Genetic Algorithm
本文提出稳定性驱动组装(SDA)框架,通过随机组装与差分持久性偏倚,使长寿命结构更频繁,实现类似自然遗传算法的进化过程,展示了非平衡动态下的开放性动态。
2026-05-07 cs.NE nlin.AO q-bio.PE
Towards a Framework for Observing Artificial Evolutionary Systems
将进化行为的出现确立为“生命”的定义特征是人工生命(ALife)研究的重要一步。我们在这里提出了一个抽象的正式框架,这一目标的基础上的概念,高层次的观察ALIFE模型在手,在其模拟。观测过程被定义为从模型宇宙的底层动态结构到由建立模型中的进化过程所需的抽象组件组成的元组的可计算变换。从定义实体及其在模型模拟过程中观察到的进化关系开始,该框架规定了一系列定义,然后是必须满足的公理(条件),以建立模型中的进化行为水平。以基于Langton循环的元胞自动机和基于λ演算的化学计算为例,说明了该框架的应用。在框架设计和案例分析的基础上,提出了ALIFE研究的一般设计建议。
2009-01-12 cs.MA cs.NE
Population fluctuation promotes cooperation in networks
我们认为,在动态网络结构的人口的合作的出现和演变的解释问题。基于Poncela等人的开创性工作,该工作显示了如何通过进化偏好依恋(EPA)模型在不断增长的人口中支持合作(在一次性囚犯困境中),我们研究了人口规模波动的影响。我们发现,波动模型是更强大的比Poncela等人的合作,在各种各样的初始条件下的稳定性。无论是在诱惑的缺陷,和类型的战略存在于创始人网络,波动的人口被发现导致更安全的合作。此外,我们发现,这个模型也将支持出现合作从预先存在的非合作随机网络。这个模型,像Poncela等人的,不需要代理人有记忆,识别其他代理人,或其他认知能力,因此可能会提出一个更普遍的解释合作的出现在早期的进化过渡,比机制,如亲属选择,直接和间接互惠。
2016-05-09 cs.GT cs.NE physics.soc-ph