Key points are not available for this paper at this time.
Resumo: Investigamos o uso da co-evolução competitiva para sintetizar soluções progressivamente melhores. Especificamente, introduzimos um conjunto de métodos para medir o progresso histórico e global. Discutimos os fatores que facilitam o progresso genuíno. Finalmente, comparamos a eficácia de quatro algoritmos qualitativamente diferentes. Os algoritmos selecionados promovem um progresso genuíno criando um arquivo de oponentes usados para avaliar indivíduos em evolução, gerando arquivos que incluem oponentes de alto desempenho e bem diferenciados, identificando e descartando variações que levam apenas ao progresso local (ou seja, progresso contra um subconjunto de oponentes possíveis e retrocesso contra um conjunto maior). Os resultados obtidos em um cenário de predador-presa, comumente usado para estudar a evolução competitiva, demonstram que todos os métodos considerados levam ao progresso global a longo prazo. No entanto, a taxa de progresso e a relação entre progresso e retrocessos variam significativamente entre os algoritmos.
Nolfi et al. (Sáb,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: