yeshenpy/Awesome-Evolutionary-Reinforcement-Learning

해결하는 문제

진화 강화학습(ERL) 분야에 진입하는 연구자들은 파편화된 정보에 직면하게 됩니다. 수많은 하이브리드 알고리즘과 접근 방식의 분류 체계가 존재하며, 어떤 논문에 사용 가능한 코드가 있는지 불분명한 경우가 많습니다. 이 저장소는 포괄적인 서베이의 공식 동반 자료로서, 해당 분야를 체계적인 인덱스로 압축하여 독자들이 수십 개의 소스를 뒤질 필요 없이 대표적인 방법을 찾고, 이해하고, 재현할 수 있도록 합니다.

작동 방식

이 저장소는 ERL을 3가지 주요 방향(EA가 RL을 지원, RL이 EA를 지원, EA와 RL이 협력)과 16개의 연구 분야로 정리하고, 이를 21개의 관리되는 분야로 확장합니다. 270편의 핵심 알고리즘 논문을 인덱싱하고, 검증된 공개 코드가 있는 80편을 추적합니다. 두 번째 계층에서는 54편의 논문을 다루는 86개의 독립적으로 검토된 이중 언어(중국어/English) 독해 가이드 매핑을 제공하며, 핵심 설명(상세하고 개별 연구에 특화됨)과 확장 설명(간결한 개요)을 포함합니다. 코드 우선 독서 목록은 검증된 공개 구현이 있는 31편의 논문을 강조하며, 저자 유지 관리 또는 커뮤니티 재구현 여부를 표시합니다. 또한 최신 및 신흥 연구 방향을 추적하고 서베이 버전 업데이트와 연동된 변경 로그를 유지합니다.

대상 독자

하이브리드 진화 강화학습 방법을 학습, 재현 또는 확장하고자 하는 연구자, 학생 및 실무자를 위한 자료입니다. 명확한 분류 체계, 검증된 코드 링크, 이중 언어 설명을 필요로 하며 서베이 논문에서 구현 및 새로운 연구로 빠르게 넘어가고자 하는 분들에게 특히 유용합니다.

주요 특징

• 서베이 논문 "Bridging Evolutionary Algorithms and Reinforcement Learning" (IEEE TEVC 2025, arXiv v5)의 공식 동반 저장소.
• 3가지 방향과 21개의 분야에 걸친 270편의 핵심 알고리즘 논문 인덱싱.
• 80편의 핵심 논문이 검증된 공개 코드를 보유하고 있으며, 그중 31편은 코드 우선 독서 목록에 포함됨.
• 54편의 논문을 다루는 86개의 독립적으로 검토된 이중 언어(中文/English) 독해 가이드 매핑(핵심 및 확장 수준) 포함.
• 분류도, 통합 패턴도 제공하며 서베이 버전에 대한 명확한 가이드 제공(인용은 IEEE, 최신 콘텐츠는 arXiv v5, 구현 추적은 저장소 활용).
• 변경 로그와 함께 활발히 유지 관리되며 기여를 환영합니다.