控制策略不再只靠调权重:程序搜索保留高分代码,四个任务的新回合全部改善
EliteTable把控制策略写成可执行Python程序,用一张固定容量的高分程序表引导新提案、编辑与重组,在六个Gymnasium控制任务上各跑十次搜索。搜索过程中,六个任务的新候选得分中位数都上升,五个任务的入选者搜索得分中位数上升;在MountainCar-v0、LunarLander-v3、BipedalWalker-v3和CarRacing-v3上,十次搜索的首末入选者在同一批100个留出回合上全部改善。Acrobot-v1有六次搜索在留出回合上退步,中位变化为负,说明搜索分数上升不等于新回合上更好。