用于程序内容生成的Surrogate Infeasible Fitness Acquirement FI-2Pop
摘要：改进了FI-2Pop算法，通过使用surrogate model来预测可行子代的适应度，并根据产生可行子代的概率进行加权，以便更好地选择高适应度和可行的解决方案。在生成《Space Engineers》中的宇宙飞船的任务中，展示了该方法相比标准的FI-2Pop算法和最新的多发射源约束MAP-Elites算法的改进效果。
作者：Roberto Gallotta, Kai Arulkumaran, L. B. Soros
论文ID：2205.05834
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-10-26