控制理论与应用

作者：童浩,张清泉,袁博,王晗丁,刘佳琳

单位：南方科技大学计算机科学与工程系,南方科技大学计算机科学与工程系,南方科技大学计算机科学与工程系,西安电子科技大学人工智能学院,岭南大学数据科学学院

关键词：程序化内容生成;在线内容生成;多目标优化;演化算法;集成学习;视频游戏

基金：国家重点研发计划项目(2023YFE0106300),国家自然科学基金项目(62476119,62376202,62250710682)资助.

在线生成多样内容是近年来程序化内容生成领域的新兴研究方向之一,不仅可以满足用户的不同偏好进而提升用户体验,也可以为人工智能算法的训练和测试提供海量的场景集和问题集.近期研究提出了基于负相关集成强化学习的多样内容在线生成方法,但此类方法无法有效地匹配不同用户的偏好.此外,训练与部署集成模型中的个体学习器需要消耗大量的计算资源.针对这两个问题,在负相关集成强化学习的框架下,本文提出了基于多目标集成剪枝的多样内容在线生成方法.该方法通过多目标优化算法搜索模型集成的权重,使获得的集成模型不仅能够有效地匹配给定的用户偏好,还能提供权衡模型性能与计算资源消耗的帕累托集.此方法通过调整个体学习器的集成权重来匹配用户需求,而非重新训练个体学习器,因此降低了计算资源消耗.

来源：2025年第11期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第11期