Pytorch实现之统计全局信息的轻量级EGAN

简介

简介：模型在EGAN的基础上改进了一个降维的自注意力机制，并且设计了一个新颖的选择算子，使用轮盘赌来选择个体，如果他们的适配度满足fchild<VALUE，则被选中的个体将被丢弃。需要在进化的初始阶段尽快找到最佳个体，并在后续阶段保持种群的多样性。

论文题目：LGEGAN: A Lightweight Evolutionary Generative Adversarial Network with Statistic Global Information（具有统计全局信息的轻量级进化生成对抗网络）

会议：2023 Chinese Control Conference

摘要：生成对抗网络（GAN）已经在很多领域得到了应用。然而，现有的GAN及其变体遇到了很多问题，包括模式崩溃、训练不稳定和陷入局部最优。因此，我们构建了一个具有统计全局信息的轻量级进化生成对抗网络（LGEGAN）。为了解决浅层卷积神经网络难以捕获远程特征依赖和训练过程容易出现模式崩溃的问题，LGEGAN与EGAN的不同之处在于我们在生成器网络中添加了改进的自注意力机制。为了解决训练过程中不稳定的问题，我们在LGEGAN中添加了谱归一化，这增加了每一代训练过程的稳定性。 最后，为了有效地在短时间内进化出适应环境的个体，解决陷入局部最优的问题，我们构造了一种新颖的选择算子