我正在阅读一篇研究论文，试图解决 GAN 的一些问题，但对于其中一个方程，该论文没有完全解释它的来源和工作原理。尽管 EGAN 的整体算法是直截了当的，但我希望更好地理解它。

该论文使用进化方法来修复不稳定性和模式崩溃等问题。评估不同生成器的适应度函数如下：

在哪里f_d：

并且f_q是：

我关注的是f_d = -log||delta_d - E_x[log(D(x))] - E_z[log(D(G(z)))]||.

在f_d中，代表什么delta_d。它没有在论文中定义，所以我想这可能是一些非常典型的符号，所以我环顾四周，但找不到任何东西。我唯一知道的是论文中所说的内容，以及作者用来创建方程式的论文（证明>.<）

我现在所知道的是f_d代表论文所说的多样性适应度得分的整体。我也知道等式的第二部分与鉴别器的损失函数相同，因此可以重写为f_d = -log(delta_d + loss_d)。但什么是delta_d？这个方程如何正确评估生成样本的多样性？