何时才是批判的时候？神经伊辛智能体在不同调节区域的性能和可演化性
摘要：接近临界状态对自然、人工和进化系统都有益处这一假设已经存在很长时间了。我们在一种由神经网络控制的进化觅食者系统中验证了这一假设，神经网络可以在进化过程中调节智能体的动力学模式。令人惊讶的是，我们发现所有找到解决方案的群体都是次临界的。通过韧性分析，我们发现在临界区域开始进化仍然有好处。换句话说，最初处于临界状态的智能体在环境变化（例如寿命）下可以保持其适应性水平，并且在基因突变时有一个平稳的退化过程。与此同时，即使进化到相同适应性水平，最初处于次临界状态的智能体在寿命变化下也经常无法承受，并且在基因突变时会发生灾难性退化。此外，我们发现最佳临界距离取决于任务复杂度。为了验证这一点，我们引入了一个困难和简单的任务：对于困难任务，智能体进化得更接近临界状态，而对于简单任务则找到更多次临界解决方案。我们通过在两种基本不同的方法上进行测试来验证我们的结果与所选择的进化机制无关：遗传算法和进化策略。总之，我们的研究表明，尽管在简单任务中次临界状态可以获得最佳行为，但在找到未知复杂度的新任务的最佳解决方案时，初始化接近临界状态是很重要的。
作者：Sina Khajehabdollahi, Jan Prosi, Georg Martius, Anna Levina
论文ID：2303.16195
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-04-14