NEAT 物种形成算法如何工作？答案

【问题标题】：How does the NEAT speciation algorithm work?NEAT 物种形成算法如何工作？
【发布时间】：2019-05-16 19:24:22
【问题描述】：

我一直在阅读 NEAT（增强拓扑的神经进化）的工作原理，并且我已经掌握了它的主要思想，但一直困扰我的一件事是你如何将不同的网络划分为物种。我已经完成了算法，但它对我来说没有多大意义，而且我阅读的论文也没有很好地解释它，所以如果有人可以解释每个组件是什么以及它在做什么，那么非常感谢。

这两个方程是：

【问题讨论】：

应该清楚，即使在发布之后，这里不支持 LaTex 渲染...
啊对不起，我把它放在这里的原因是因为我要用它来编写一个使用 NEAT 的人工智能。还考虑到 LaTex 问题，我是新手，所以我不完全知道它是如何工作的，所以任何帮助都会很棒
对某事不熟悉但还不知道它是如何工作的，这完全没问题；看到您发布的内容看起来像是胡言乱语，而让它保持这种状态则不是。假设您的问题是主题（不是），最好只粘贴论文中的方程式图像...
我对这个相关问题的回答可能对您有所帮助。一种常见的形成物种的方法是在基因组上使用 k-means（可以通过 NEAT 编码信息的方式进行比较）。 stackoverflow.com/questions/50960834/neat-speciating/…

【解决方案1】：

NEAT 中的物种形成类似于其他进化算法使用的适应度共享。这样做的目的是惩罚类似的解决方案，从而对更多样化的人群造成压力。

delta 项是两个解决方案之间距离的度量。这里使用的距离测量专门用于 NEAT 使用的可变长度基因组。较小的 delta 值表示更相似的解决方案。

如果两个解决方案之间的距离分别大于或小于给定阈值，则 NEAT 中实现的共享函数会产生 0 或 1 的值。将每个解决方案与候选群体中的其他解决方案进行比较，并通过结果共享函数值的总和来修改适应度。如果一个解决方案与群体中的其他几个解决方案相似，它的修正适应度将显着降低。

【讨论】：

谢谢，如果您不介意回答，我还有 3 个问题。 1. 在交叉过程中，除了通过历史标记获得的额外连接外，后代是否继承了更合适的父母的结构和权重？ 2. 在我读过的 delta-fitness 函数中，“W”是匹配基因之间的平均体重差异。这是否意味着所有排列的连接计算权重差异，然后得到平均值？ 3. 在计算调整后的适应度时，您会将其与每个 NeuralNet 进行比较还是仅与其物种组中的那些进行比较？
对于交叉有不同的实现。典型的做法是随机继承共同的特征，然后从适者那里继承那些排他性的，只有在一定的机会下，才会继承弱者的那些。
公平警告，我熟悉 NEAT 背后的想法，但不熟悉具体的实现。 1. 我相信巴勃罗是正确的。 2.我也相信你的评估是正确的，它只是属于匹配连接的权重的平均差异。 3. 将它与种群中的所有其他解决方案进行比较，在您比较它们之前，您无法知道解决方案是否属于同一物种。如果两个解决方案属于不同的物种，那么比较它们将产生一个共享函数值 0，导致修改后的适应度没有变化。