1.摘要进化算法EA与强化学习RL的结合可缓解稀疏奖励、探索不足和过早收敛等问题但多数进化强化学习ERL只把 actor 网络作为进化个体当RL中的 critic 陷入局部最优时整个 actor 种群也可能停止有效进化。本文提出两阶段进化强化学习框架 TERL在种群中同时维护 actor 和 critic 网络。探索阶段每个个体独立进行 actor–critic 学习并交替接受RL梯度更新和粒子群PSO更新个体通过共享经验回放池交换信息以降低多智能体训练开销。开发阶段只对当前最佳个体进行RL精炼其余个体继续由PSO更新为最佳个体提供多样经验。2.研究背景与相关工作见个人简介 AAAI-24，两阶段进化强化学习用于增强探索与开发
1.摘要进化算法EA与强化学习RL的结合可缓解稀疏奖励、探索不足和过早收敛等问题但多数进化强化学习ERL只把 actor 网络作为进化个体当RL中的 critic 陷入局部最优时整个 actor 种群也可能停止有效进化。本文提出两阶段进化强化学习框架 TERL在种群中同时维护 actor 和 critic 网络。探索阶段每个个体独立进行 actor–critic 学习并交替接受RL梯度更新和粒子群PSO更新个体通过共享经验回放池交换信息以降低多智能体训练开销。开发阶段只对当前最佳个体进行RL精炼其余个体继续由PSO更新为最佳个体提供多样经验。2.研究背景与相关工作见个人简介