通过多样质量种群实现高效的质量多样性优化【英文版】

英文标题：Efficient Quality-Diversity Optimization through Diverse Quality Species中文摘要：本文提出了一种名为 Diverse Quality Species (DQS) 的新型质量 - 多样性算法，能够在不需要存档或事先定义行为范围的情况下，将解决方案分解为独立进化种类，并利用无监督技能发现来学习多样化而高性能的解决方案，在多个仿真机器人环境中进行评估，结果表明 DQS 比其他 QD 算法更具样本效率和性能。英文摘要：A prevalent limitation of optimizing over a single objective is that it canbe misguided, becoming trapped in local optimum. This can be rectified byQuality-Diversity (QD) algorithms, where a population of high-quality anddiverse solutions to a problem