[Paper] 토너먼트 기반 적대적 품질 다양성

Source: arXiv - 2601.19562v1

Overview

Quality diversity (QD) 는 문제에 대한 고품질 및 행동적으로 다양한 해를 찾는 진화 계산의 한 분야입니다. 적대적인 문제는 흔하지만, 고전적인 QD 는 적대적인 해와 행동이 서로 의존하기 때문에 쉽게 적용할 수 없습니다. 최근에 Generational Adversarial MAP‑Elites (GAME) 가 제안되어, 이전 엘리트들을 “작업”이라 부르는 다중 작업 QD 알고리즘을 교대로 실행함으로써 적대적 문제의 양쪽을 공동 진화시킵니다.

원래 알고리즘은 행동 기준에 따라 새로운 작업을 선택하는데, 이는 양쪽 사이의 의존성 때문에 원하지 않는 동역학을 초래할 수 있습니다. 또한, 해 집합을 비교할 때는 양쪽 의존성 때문에 고전적인 QD 측정값을 직접 사용할 수 없습니다. 본 논문에서는 다음을 수행합니다:

1. 여섯 가지 품질 및 다양성 측정값을 사용하여 해 집합을 공정하게 비교할 수 있도록 하는 inter‑variants tournament 를 도입합니다.
2. 각 세대마다 더 높은 품질과 다양성을 촉진하기 위해 tournament‑informed task selection 방법 두 가지를 제안합니다.

우리는 세 가지 적대적 문제—Pong, 고양이‑쥐 게임, 그리고 추격‑도피 게임—에 대해 변형들을 평가했습니다. 결과는 tournament‑informed task selection 방법이 더 높은 적대적 품질과 다양성을 가져온다는 것을 보여줍니다. 코드, 동영상, 보조 자료는 https://github.com/Timothee-ANNE/GAME_tournament_informed 에서 확인할 수 있습니다.

Key Contributions

• 연구 분야: cs.NE

Methodology

자세한 방법론은 전체 논문을 참고하십시오.

Practical Implications

이 연구는 cs.NE 분야의 발전에 기여합니다.

Authors

• Timothée Anne
• Noah Syrkis
• Meriem Elhosni
• Florian Turati
• Alexandre Manai
• Franck Legendre
• Alain Jaquier
• Sebastian Risi

Paper Information

• arXiv ID: 2601.19562v1
• Categories: cs.NE
• Published: January 27, 2026
• PDF: Download PDF