Skip to content
Hot eventLive

持续强化学习中的神经进化：ES与GA对比研究

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月2日，arXiv发表神经与进化计算领域论文，研究对比进化策略（ES）与遗传算法（GA）在持续任务变化中的表现。结果显示ES最稳定，GA最具可塑性但遗忘更多；ES找到更宽的权重空间邻域，邻域重叠度与稳定性-可塑性权衡相关；通过新奇性搜索增加GA行为多样性可提升可塑性但加剧遗忘。神经进化在持续任务变化中展现出与RL不同的特性。

Generated from reports · updated 2 hr ago

LatestOct 2
arXiv论文发表，对比ES与GA在持续任务变化中的表现，ES最稳定，GA可塑性更强但遗忘更多。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Neural and Evolutionary Computing
    持续强化学习中的神经进化（Continual Reinforcement Learning with Neuroevolution）

    研究对比了进化策略（ES）和遗传算法（GA）在持续任务变化中的表现，发现 ES 最稳定、GA 最具可塑性但遗忘更多。ES 找到更宽的权重空间邻域，邻域重叠度与稳定性-可塑性权衡相关。通过新奇性搜索增加 GA 行为多样性会提升可塑性但加剧遗忘。神经进化在持续任务变化中展现出与 RL 不同的特性。

Heat trend

There is not enough continuous observation data to draw a trend yet.