본 논문은 기존 강화학습(RL)의 정책 경사 방법 대신 진화 알고리즘(EA)을 사용하는 진화 강화학습(ERL)의 높은 계산 비용 및 낮은 탐색 효율 문제를 해결하기 위해, 오토인코더(AE)와 쌍곡선 신경망(HNN)을 통합한 새로운 서로게이트 기반 ERL 방법을 제안합니다. AE는 고차원 정책을 저차원으로 압축하여 서로게이트 모델의 입력으로 사용하고, HNN은 분류 기반 서로게이트 모델로써 실제 평가 없이 후보 정책의 사전 선택을 가능하게 합니다. 10개의 Atari 게임과 4개의 MuJoCo 게임 실험 결과, 제안된 방법이 기존 방법보다 성능이 우수하며, AE와 HNN에 의해 유도된 탐색 경로가 더 효율적임을 보였습니다. 본 논문은 고차원 ERL 정책에 대한 최초의 학습 가능한 정책 임베딩 및 서로게이트 모델링 모듈을 제시하고, 이들의 성공 여부에 대한 실험적 근거를 제시합니다.
