arXiv cs.AI· Lechen Li (State Key Laboratory of Internet of Things for Smart City, University of Macau, Macau 519000, China, College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China), Rongye Shi (School of Artificial Intelligence, Beihang University, Beijing 100191, China), Wanhuan Zhou (State Key Laboratory of Internet of Things for Smart City, University of Macau, Macau 519000, China)·· 9 天前AI 评分13
DRL-DCO：用深度强化学习动态编排 DE 与 CMA-ES 的进化搜索算法
Learning to Orchestrate Evolutionary Search: Progression-Aware Deep Reinforcement Learning for Dynamic DE-CMA-ES Coordination in Optimization and Structural Model Updating
AI 导读
研究提出 DRL-DCO 算法，用基于 DDPG 的 actor-critic 智能体统一调度差分进化（DE）的探索与 CMA-ES 的协方差引导利用，并联合调控种群规模、精英保留与重启机制。
正文 · AI 翻译
作者：Lechen Li（1 和 2），Rongye Shi（3），Wanhuan Zhou（1）（（1）澳门大学智慧城市物联网国家重点实验室，中国澳门 519000，（2）河海大学水利水电学院，中国南京 210098，（3）北京航空航天大学人工智能学院，中国北京 100191）
摘要：求解高维结构模型修正问题需要一种能够在具有相关参数的复杂非凸地形中导航的算法。现有的混合进化算法通常依赖静态架构或固定切换规则，导致搜索阶段彼此割裂。为解决这一问题，本研究提出了一种深度强化学习主导的动态 DE-CMAES 编排（DRL-DCO）算法，其中基于深度确定性策略梯度（DDPG）的 actor-critic 智能体将进化过程作为一个单一、统一的系统持续进行主导，而非算法的机械拼接。在具有进程感知能力的状态表示和融入多样性的奖励引导下，该智能体在差分进化（DE）基于差分向量的探索与 CMA-ES 协方差引导的开发之间流畅地重新分配计算资源，同时联合调控种群规模、精英保留和重启机制以逃离局部最优。这使得 DRL-DCO 能够跨代在探索主导、开发主导和混合策略模式之间自主转换。除训练阶段外，训练好的 actor 可以在无监督推理模式下运行，其中内化的策略仅通过前向推理即可根据观测到的搜索状态自主编排 DE 和 CMA-ES 的控制，无需 critic 评估或权重更新，从而在保持完整有效性的同时实现更快的部署。在高维单目标优化基准和 IASC-ASCE 结构健康监测基准上验证，DRL-DCO 相比最先进的自适应和混合进化算法以及单算子 DRL 主导的基线，实现了更优的收敛精度和鲁棒性。
| 学科： | 神经与进化计算（cs.NE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.11546 [cs.NE] |
| （或 arXiv:2610.11546v1 [cs.NE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11546 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Lechen Li [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 09:12:13 UTC（2,322 KB）
来源：arXiv cs.AI · arxiv.org