yeshenpy/Awesome-Evolutionary-Reinforcement-Learning

解決する課題

進化強化学習（ERL）の分野に参入する研究者は、断片化された情報に直面します。多くのハイブリッドアルゴリズム、アプローチの分類体系が存在し、どの論文に利用可能なコードがあるのかが不明確なことが多々あります。本リポジトリは、包括的なサーベイの公式コンパニオンとして機能し、分野を整理されたインデックスに凝縮することで、読者が数十ものソースを探し回ることなく、代表的な手法を見つけ、理解し、再現できるようにします。

仕組み

本リポジトリは、ERLを3つの主要な方向性（EAがRLを支援、RLがEAを支援、EAとRLが協力）と16の研究ブランチに整理し、その分類体系を21のメンテナンスされたブランチに拡張しています。270本の主要なアルゴリズム論文をインデックス化し、検証済みの公開コードを持つ80本を追跡しています。第2のレイヤーとして、54本の論文をカバーする86件の独立してレビューされたバイリンガル（中国語/English）読解ガイドマッピングを提供しており、コア解説（詳細で個別の研究に特化したもの）と拡張解説（簡潔な概要）が含まれています。コード優先の読書リストでは、検証済みの公開実装を持つ31本の論文を強調し、著者によるメンテナンスかコミュニティによる再実装かをラベル付けしています。また、最新かつ新興の方向性を追跡し、サーベイのバージョン更新に連動した変更履歴を維持しています。

対象読者

ハイブリッドな進化強化学習手法を学習、再現、または拡張したい研究者、学生、実務家向けです。明確な分類体系、検証済みのコードリンク、バイリンガルな解説を必要とし、サーベイ論文から実装や新しい研究へと迅速に移行したい方にとって特に有用です。

ハイライト

• サーベイ論文 "Bridging Evolutionary Algorithms and Reinforcement Learning" (IEEE TEVC 2025, arXiv v5) の公式コンパニオン。
• 3つの方向性と21のブランチにわたる270本の主要アルゴリズム論文をインデックス化。
• 80本の主要論文が検証済みの公開コードを持ち、そのうち31本がコード優先読書リストに含まれています。
• 54本の論文をカバーする86件の独立してレビューされたバイリンガル（中文/English）読解ガイドマッピング（コアおよび拡張レベル）を含みます。
• 分類図、統合パターン図を提供し、サーベイのバージョンに関する明確なガイダンス（引用にはIEEE、最新コンテンツにはarXiv v5、実装追跡にはリポジトリ）を提供します。
• 変更履歴とともに積極的にメンテナンスされており、コントリビューションを歓迎します。