Buchumschlag

Unveiling the Decision-Making Process in Reinforcement Learning with Genetic Programming

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Eberhardinger, Manuel, Rupp, Florian, Maucher, Johannes, Maghsudi, Setareh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Decision SpikeFormer: Spike-Driven Transformer for Decision Making
von: Huang, Wei, et al.
Veröffentlicht: (2025)

t-DGR: A Trajectory-Based Deep Generative Replay Method for Continual Learning in Decision Making
von: Yue, William, et al.
Veröffentlicht: (2024)

Cartesian Genetic Programming Approach for Designing Convolutional Neural Networks
von: Krzywda, Maciej, et al.
Veröffentlicht: (2024)

Node Preservation and its Effect on Crossover in Cartesian Genetic Programming
von: Kocherovsky, Mark, et al.
Veröffentlicht: (2025)

Financial Decision Making using Reinforcement Learning with Dirichlet Priors and Quantum-Inspired Genetic Optimization
von: Nandy, Prasun, et al.
Veröffentlicht: (2025)

Robust Lagrangian and Adversarial Policy Gradient for Robust Constrained Markov Decision Processes
von: Bossens, David M.
Veröffentlicht: (2023)

Dynamic Reinforcement Learning for Actors
von: Shibata, Katsunari
Veröffentlicht: (2025)

Reinforced Linear Genetic Programming
von: Mukhammadnaim, Urmzd
Veröffentlicht: (2026)

Guiding Genetic Programming with Graph Neural Networks
von: Wyrwiński, Piotr, et al.
Veröffentlicht: (2024)

Evolving Reservoirs for Meta Reinforcement Learning
von: Léger, Corentin, et al.
Veröffentlicht: (2023)

A Novel Machine Learning Classifier Based on Genetic Algorithms and Data Importance Reformatting
von: Alkhayyata, A. K., et al.
Veröffentlicht: (2024)

QF-tuner: Breaking Tradition in Reinforcement Learning
von: Jumaah, Mahmood A., et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning with Spiking Q-learning
von: Chen, Ding, et al.
Veröffentlicht: (2022)

Unveiling the Potential of Spiking Dynamics in Graph Representation Learning through Spatial-Temporal Normalization and Coding Strategies
von: Xu, Mingkun, et al.
Veröffentlicht: (2024)

Learning Heuristics for Transit Network Design and Improvement with Deep Reinforcement Learning
von: Holliday, Andrew, et al.
Veröffentlicht: (2024)

Genetic Generalized Additive Models
von: Shankar, Kaaustaaub, et al.
Veröffentlicht: (2026)

Frequency and Generalisation of Periodic Activation Functions in Reinforcement Learning
von: Mavor-Parker, Augustine N., et al.
Veröffentlicht: (2024)

Generalized Population-Based Training for Hyperparameter Optimization in Reinforcement Learning
von: Bai, Hui, et al.
Veröffentlicht: (2024)

REACT: Revealing Evolutionary Action Consequence Trajectories for Interpretable Reinforcement Learning
von: Altmann, Philipp, et al.
Veröffentlicht: (2024)

Fully Spiking Actor Network with Intra-layer Connections for Reinforcement Learning
von: Chen, Ding, et al.
Veröffentlicht: (2024)

Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning
von: Qiu, Xin, et al.
Veröffentlicht: (2025)

Beyond Single-Model Optimization: Preserving Plasticity in Continual Reinforcement Learning
von: Lillo, Lute, et al.
Veröffentlicht: (2026)

Reinforcement Learning-assisted Evolutionary Algorithm: A Survey and Research Opportunities
von: Song, Yanjie, et al.
Veröffentlicht: (2023)

A Low Latency Adaptive Coding Spiking Framework for Deep Reinforcement Learning
von: Qin, Lang, et al.
Veröffentlicht: (2022)

SpikeRL: A Scalable and Energy-efficient Framework for Deep Spiking Reinforcement Learning
von: Tahmid, Tokey, et al.
Veröffentlicht: (2025)

CDRL: A Reinforcement Learning Framework Inspired by Cerebellar Circuits and Dendritic Computational Strategies
von: Zhang, Sibo, et al.
Veröffentlicht: (2026)

Multi-Objective Genetic Algorithm for Multi-View Feature Selection
von: Imani, Vandad, et al.
Veröffentlicht: (2023)

SPEAR: Structured Pruning for Spiking Neural Networks via Synaptic Operation Estimation and Reinforcement Learning
von: Xie, Hui, et al.
Veröffentlicht: (2025)

Fast Genetic Algorithm for feature selection -- A qualitative approximation approach
von: Altarabichi, Mohammed Ghaith, et al.
Veröffentlicht: (2024)

Enhancing Genetic Algorithms with Graph Neural Networks: A Timetabling Case Study
von: Cornei, Laura-Maria, et al.
Veröffentlicht: (2026)

MeGA: Merging Multiple Independently Trained Neural Networks Based on Genetic Algorithm
von: Yun, Daniel
Veröffentlicht: (2024)

A Genetic Algorithm-Based Approach for Automated Optimization of Kolmogorov-Arnold Networks in Classification Tasks
von: Long, Quan, et al.
Veröffentlicht: (2025)

From Embeddings to Equations: Genetic-Programming Surrogates for Interpretable Transformer Classification
von: Khorshidi, Mohammad Sadegh, et al.
Veröffentlicht: (2025)

Reinforced In-Context Black-Box Optimization
von: Song, Lei, et al.
Veröffentlicht: (2024)

Scalability of Reinforcement Learning Methods for Dispatching in Semiconductor Frontend Fabs: A Comparison of Open-Source Models with Real Industry Datasets
von: Stöckermann, Patrick, et al.
Veröffentlicht: (2025)

Interlocking-free Selective Rationalization Through Genetic-based Learning
von: Ruggeri, Federico, et al.
Veröffentlicht: (2024)

A Truly Sparse and General Implementation of Gradient-Based Synaptic Plasticity
von: Lohoff, Jamie, et al.
Veröffentlicht: (2025)

Synergizing Quality-Diversity with Descriptor-Conditioned Reinforcement Learning
von: Faldor, Maxence, et al.
Veröffentlicht: (2023)

Hilbert curves for efficient exploratory landscape analysis neighbourhood sampling
von: Pienaar, Johannes J., et al.
Veröffentlicht: (2024)

Bridge the Inference Gaps of Neural Processes via Expectation Maximization
von: Wang, Qi, et al.
Veröffentlicht: (2025)