IEEE TEVC，代理辅助表型进化强化学习

1.摘要进化强化学习ERL以种群搜索弥补梯度强化学习探索不足但策略种群的完整回合评估代价很高。现有方法常把面向单策略价值估计训练的 critic 直接用于异质策略种群忽略了准确拟合单策略价值与正确排列种群个体优劣之间的目标错位已有进化算子也多在参数层面追求子代质量缺少对行为多样性的直接控制。为此论文提出代理辅助表型进化强化学习 SAP-ERL以带独立性约束 critic 集成构造种群级代理模型用动态HHH步真实交互与集成估值联合计算适应度并以表型引导交叉主动扩大子代行为差异。在六个 MuJoCo 连续控制任务和三个迷宫任务上SAP-ERL 相比代表性 RL 与 ERL 基线取得最佳综合表现。2.研究背景与问题见个人简介