Deep GA

Deep Neuroevolution: Genetic Algorithms are a Competitive Alternative for Training Deep Neural Networks for Reinforcement Learning

深度人工神经网络(DNN)通过基于梯度的学习算法(即反向传播)进行常规训练。 进化策略(ES)可以与基于反向基础的算法(如Q-learning和策略梯度)相媲美,以解决深层强化学习(RL)问题。 然而,ES可以被认为是基于梯度的算法,因为它通过类似于梯度的有限差分近似的操作来形成随机梯度下降。 这提出了一个问题,即基于非梯度的进化算法是否可以在DNN尺度上发挥作用。在这里我们可以说明:我们使用简单的,无梯度,基于种群的遗传算法(GA)来演化DNN的权重,并且它可以解决硬的深RL问题,包括Atariand人形运动。 Deep GA成功地发展了具有超过四百万个自由参数的网络,这是最大的神经网络随着传统的进化算法而发展的。这些结果(1)扩展了我们对GA可以运作的规模的认识,(2)有趣的是,在某些情况下,跟随梯度不是优化性能的最佳选择,(3)立即可用于多种神经进化技术改进性能。我们通过展示将DNN与新颖性搜索结合,这种模式鼓励在具有欺骗性或稀疏回报函数的任务上进行探索,可以解决回报最大化算法(例如DQN、A3C、ES和遗传算法)的失败。此外,深度GA比ES、A3C和DQN更快(在一个桌面上训练Atari 4小时,或者在720个内核上训练Atari 1小时),并且支持最先进的、高达10,000倍的紧凑编码技术。

方法

本文使用的遗传算法是非梯度的,仅使用突变和筛选获取更强的个体,这和前面的ES算法是截然不同的。

遗传算法

新颖搜索

为什么GA比ES快?

由于以下两个主要原因,GA比ES更快:(1)对于每次生成,ES必须计算如何更新其神经网络参数向量 θθ 。 它是通过加权平均值来实现的,这些平均值是通过它们的大量伪后代(随机 θθ 扰动)的加权平均值。 这种平均操作对于大型神经网络和大量伪后代(后者需要健康的优化)来说是缓慢的,并且对于Deep GA来说不是必需的。 (2)ES要求虚拟批量规范化以在伪后代之间生成不同的策略,这对于准确的有限差分近似是必需的。 虚拟批次规范化需要参考批次的额外前向传递 - 在训练开始时选择的随机观察集 - 计算层规范化统计数据,然后以与批量标准化相同的方式使用。 我们发现随机GA参数扰动产生了足够多样的策略而没有虚拟批量归一化,从而避免了这些额外的前向传递通过网络。

群体编码方法

实验

Last updated