Optimization of autonomous agents by means of learning and evolution

تعامل بین یادگیری و تکامل در جمعیت عوامل مستقل، بررسی شده است. هر عامل جمعیت هر دو ژنوتیپ (ژنوم) و فنوتیپ دارد. ژنوتیپ و فنوتیپ زنجیره ای از نمادهای دوتایی هستند. فنوتیپ اولیه (در لحظه تولد عامل) برابر با ژنوتیپ عامل است. یک بهینه مطلوب وجود دارد؛ یعنی، زنجیره بهینه ای است که توسط یادگیری و تکامل جستجو می شود. ژنوتایپ ها به وسیله تکامل بهینه سازی می شوند؛ فنوتیپ ها با یادگیری بهینه می شوند. فنوتیپ نهایی (در لحظه پایان زندگی عامل) عامل تناسب اندام را تعیین می کند. سه مکانیسم تعامل بین یادگیری و تکامل بررسی شده است. (1) مکانیسم جذب ژنتیکی ویژگی های به دست آمده در طی چندین نسل تکامل داروینی تجزیه و تحلیل شده است. نشان داده شده است که جذب ژنتیکی به صورت زیر صورت می گیرد: توزیع فنوتیپ در جهت یادگیری و انتخاب بیشتر حرکت می کند؛ سپس ژنوم های ارگانیسم های انتخاب شده به سمت بهینه حرکت می کنند. (2) مکانیسم اثر مخفی مورد مطالعه قرار گرفته است. این اثر به این معنی است که یادگیری قوی می تواند به طور مستقل در ژنوتیپ عامل در برخی موارد به دنبال یافتن فنوتیپ بهینه باشد. در نتیجه، یادگیری قوی می تواند بهینه سازی ژنوتیپ را مهار کند. (3) مکانیزم نفوذ بار یادگیری در فرایندهای مورد بررسی نیز تحلیل می شود. نشان داده شده است که بار یادگیری منجر به شتاب قابل توجهی از جذب ژنتیکی می شود.