Towards Exploratory Quality Diversity Landscape Analysis

这项工作是关于使用探索性景观分析（ELA）解决质量多样性（QD）问题的初步研究。我们试图了解ELA特征是否有可能用于表征QD问题，为自动化QD算法选择铺平道路。我们的研究结果表明，与随机抽样相比，ELA特征受到QD优化的影响不同，更具体地受到变异算子、行为函数、存档大小和问题维度的选择影响。

本文旨在探究使用探索性景观分析（ELA）来解决质量多样性（QD）问题。研究者试图了解ELA特征是否可以用于表征QD问题，从而为自动化QD算法选择铺平道路。

本文的关键思路是通过ELA特征来表征QD问题，并探究不同变异算子、行为函数、存档大小和问题维度对ELA特征的影响。

本文的实验结果表明，ELA特征受到QD优化的影响与随机抽样不同。实验中使用了不同的变异算子、行为函数、存档大小和问题维度。本文的研究为自动化QD算法选择提供了新的思路和方法。

近期在这个领域中的相关研究包括：《Quality Diversity: A Survey》、《Quality Diversity Optimization: A New Paradigm for Evolutionary Computation》等。