12、进化机器人的在线机载分布式算法

进化机器人的在线机载分布式算法

在当今科技飞速发展的时代，自主、自给自足的机器人集体能够自主适应环境并应对设计师未曾预见的情况，这一愿景正逐渐成为研究的热点。本文围绕这一愿景，深入探讨了用于进化机器人的在线机载分布式算法。

1. 引言

我们期望机器人和机器人集体具备自主适应能力，能够在无人监管的情况下应对各种未知挑战。这种能力对于那些设计师无法预测其运行环境的机器人尤为重要，例如在未知环境或具有复杂动态的场景中，机器人需要配备大致优化的控制器，并具备自主、在线和机载地进化其控制器的能力。

与大多数专注于离线进化的进化机器人研究不同，本文关注的是在线进化。当处理多个自主机器人时，实现在线进化有三种方案：
- 封装式 ：每个机器人携带一个独立且自给自足的进化算法，在自身内部维护一个基因型种群。
- 分布式 ：每个机器人携带一个单一的基因组，进化过程通过机器人之间交换遗传物质来实现。
- 混合式 ：结合了上述两种方法，每个机器人携带多个基因组并与同伴共享。

本文将对这三种方案的实例进行比较，包括封装式的(μ + 1) ON - LINE算法、分布式的进化代理算法（EVAG）以及EVAG的混合扩展。同时，我们还将探讨EVAG的新闻广播（newscast）种群结构与泛交（panmictic）种群结构对其性能的影响，并简要考虑算法对参数设置的敏感性。

2. 相关工作

早在1995年，就有人讨论了用于进化机器人的机载、在线算法的概念，后续研究主要集中在该系统的“终身学习”特性上。分布式在线