使用遗传算法，我如何根据两个神经网络结构创建后代？答案

【问题标题】：Using a genetic algorithm, how can I create offspring based off of two neural network structures?使用遗传算法，我如何根据两个神经网络结构创建后代？
【发布时间】：2012-01-22 22:15:25
【问题描述】：

我有两个描述神经网络结构的对象数组，我怎样才能将它们结合起来产生一个真实的后代？ “染色体”看起来像这样：

chromosome = [
    [Node, Node, Node],
    [Node, Node, Node, Node, Node],
    [Node, Node, Node, Node],
    [Node, Node, Node, Node, Node],
    [Node, Node, Node, Node, Node, Node, Node],
    [Node, Node, Node],
];

一个示例节点：

Node {
    nodesThatThisIsConnectedTo = [0, 2, 3, 5] // These numbers identify which nodes to collect output from in the preceding layer from based on their index number
    weights = [0.34, 0.33, 0.76, -0.56] // These are the corresponding weights applied to the mentioned nodes
}

【问题讨论】：

神经网络的交叉很困难，原因有很多。您可能想查看NEAT，它使用巧妙的机制（历史标记）来解决问题。链接的论文（页面底部）包含有关如何/为什么起作用的更多信息。
阅读 2005 年（我认为）的原始论文，它写得非常出色，可以回答你所有的问题。

标签： artificial-intelligence neural-network genetic-algorithm

【解决方案1】：

我认为更好的方法是对每个节点的权重向量实施遗传算法搜索 - 如果您锁定使用 GA。

对于每个节点，都有一组向量，每次迭代一个节点都会改变它的权重向量。在我看来，这似乎是一种更合理的方法，然后在两个完整的网络之间进行交叉。

【讨论】：