Understanding fitness landscapes in morpho-evolution via local optima networks

要約

Morpho-evolution (ME) とは、与えられたタスクと環境でパフォーマンスを最大化するために、ロボットの設計とコントローラーを同時に最適化することを指します。
設計と制御を表すことができる多くの遺伝子コードが提案されています。
これまでの研究では、目的関数に関するパフォーマンスと評価される設計の多様性に関してエンコーディング間の経験的な比較が提供されてきましたが、観察された結果を説明する試みはありませんでした。
私たちは、ローカル オプティマ ネットワーク (LON) 分析を適用して、移動タスクのためにロボットを進化させる際に 3 つの異なるエンコーディングによって引き起こされるフィットネス ランドスケープの構造を調査することでこの問題に対処し、ロボットがさまざまなフィットネス ランドスケープを簡単に横断できることに新たな光を当てます。
検索プロセス。
LON 解析は組み合わせ最適化分野で人気があるにもかかわらず、ME の分野に適用されるのはこれが初めてです。
この発見により、将来、ME ランドスケープに合わせてカスタマイズされた新しいアルゴリズムや演算子の設計が容易になるでしょう。

要約(オリジナル)

Morpho-evolution (ME) refers to the simultaneous optimisation of a robot’s design and controller to maximise performance given a task and environment. Many genetic encodings have been proposed which are capable of representing design and control. Previous research has provided empirical comparisons between encodings in terms of their performance with respect to an objective function and the diversity of designs that are evaluated, however there has been no attempt to explain the observed findings. We address this by applying Local Optima Network (LON) analysis to investigate the structure of the fitness landscapes induced by three different encodings when evolving a robot for a locomotion task, shedding new light on the ease by which different fitness landscapes can be traversed by a search process. This is the first time LON analysis has been applied in the field of ME despite its popularity in combinatorial optimisation domains; the findings will facilitate design of new algorithms or operators that are customised to ME landscapes in the future.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google