yeshenpy/Awesome-Evolutionary-Reinforcement-Learning

解决的问题

进入进化强化学习（ERL）领域的研究人员往往面临领域分散的问题：混合算法众多、方法分类复杂，且难以确定哪些论文提供了可用的代码。本仓库作为综合综述的官方配套资源，将该领域浓缩为一个结构化的索引，使读者无需在数十个来源中搜寻，即可查找、理解并复现代表性方法。

工作原理

本仓库将ERL组织为三大主要方向（EA辅助RL、RL辅助EA、EA与RL协作）以及十六个研究分支，并将其分类体系扩展至二十一个维护分支。它索引了270篇经典算法论文，并追踪了其中80篇带有已验证公开代码的论文。第二层级提供了86份经过独立评审的双语（中文/English）阅读指南映射，涵盖54篇论文，包含核心解释（详尽、针对具体工作）和扩展解释（简洁概述）。代码优先阅读列表重点标注了31篇具有已验证公开实现的论文，并标记为作者维护或社区复现。仓库还追踪了最新和新兴的研究方向，并维护与综述版本更新挂钩的更新日志。

适用人群

本仓库适用于希望学习、复现或扩展混合进化强化学习方法的研究人员、学生和从业者。对于需要清晰分类体系、已验证代码链接以及双语解释，从而快速从综述论文过渡到实现和新工作的人员尤其有用。

亮点

• 综述论文 "Bridging Evolutionary Algorithms and Reinforcement Learning" (IEEE TEVC 2025, arXiv v5) 的官方配套仓库。
• 索引了涵盖三大方向和二十一个分支的270篇经典算法论文。
• 80篇经典论文拥有已验证的公开代码，其中31篇被列入代码优先阅读列表。
• 包含86份经过独立评审的双语（中文/English）阅读指南映射，涵盖54篇论文，分为核心和扩展两个级别。
• 提供分类图、集成模式图，并就综述版本提供了明确指南（IEEE用于引用，arXiv v5用于最新内容，仓库用于实现追踪）。
• 积极维护并提供更新日志，欢迎贡献。