arXiv · cs.AI· Lechen Li·· 19 天前AI 评分22
DRL-DCO：基于进度感知深度强化学习的 DE-CMA-ES 动态协同优化与结构模型更新方法
Learning to Orchestrate Evolutionary Search: Progression-Aware Deep Reinforcement Learning for Dynamic DE-CMA-ES Coordination in Optimization and Structural Model Updating
来源与原文
arXiv · cs.AI
作者：Lechen Li
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.11546v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
澳门大学、河海大学与北航研究团队提出 DRL-DCO 算法，用基于 DDPG 的 actor-critic 智能体统一调度 DE 与 CMA-ES 的演化搜索，动态分配探索与开发资源，并联合调节种群规模、精英保留和重启机制。在训练后，策略可在无监督推理模式下仅凭前向推理运行，无需 critic 评估或权重更新。该算法在高维单目标优化基准和 IASC-ASCE 结构健康监测基准上收敛精度与鲁棒性优于最先进的自适应与混合演化算法。
来源：arXiv · cs.AI · arxiv.org