[Paper] 基于锦标赛的对抗质量多样性

Source: arXiv - 2601.19562v1

Overview

质量多样性（QD）是进化计算的一个分支，旨在寻找高质量且行为多样的解。虽然对抗性问题很常见，但经典的 QD 难以直接应用于此类问题，因为适应度和行为都依赖于对手的解。最近，提出了代际对抗性 MAP‑Elites（GAME），通过交替执行针对先前精英（称为任务）的多任务 QD 算法来共同进化对抗问题的双方。

原始算法基于行为准则选择新任务，这可能因双方之间的依赖导致不理想的动态。此外，由于双方的依赖性，无法直接使用经典 QD 度量来比较解集。本文：

1. 使用跨变体锦标赛比较解集，确保公平比较，并提供六种质量与多样性度量。
2. 提出两种基于锦标赛信息的任务选择方法，以在每一代中促进更高的质量和多样性。

我们在三个对抗性问题上评估了这些变体：乒乓球、猫捉老鼠游戏以及追捕者‑逃脱者游戏。结果表明，锦标赛信息驱动的任务选择方法能够提升对抗质量和多样性。代码、视频和补充材料可在 https://github.com/Timothee-ANNE/GAME_tournament_informed 获取。

Key Contributions

• 研究领域：cs.NE

Methodology

详细的方法请参阅完整论文。

Practical Implications

本研究推动了 cs.NE 领域的进展。

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