通过迟滞的偏好表达通过模因共同进化解决昂贵的多目标博弈
摘要：通过算法和实证研究，本文证明了遗传算法在处理具有延迟偏好阐述的多目标博弈问题时，其收敛特性往往受到所谓的红皇后效应的影响。因此，通过引入模因论（作为一种终身学习的形式，用于优化局部解），可以显著提高收敛特性，从而减轻（或至少抑制）红皇后现象，并对协同进化的纯遗传机制进行引导。我们的实际动机是解决计算开销较大的时间敏感型多目标博弈问题，需要减少真实函数评估的次数来获得高质量的解决方案。为此，我们提出了新的增强协同进化方法的方法，可以在通过在保留延迟偏好条件的计算廉价的替代报酬景观上对演化候选策略进行高效应用进行模因论的局部优化。我们还在一系列设计良好的测试多目标博弈问题上验证了该提案的有效性。
作者：Adam .Zychowski, Abhishek Gupta, Jacek Ma''ndziuk, Yew Soon Ong
论文ID：1711.06763
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-08-17