我的增强拓扑实现的神经进化无法解决 XOR 问题

【问题标题】：My Neuroevolution of Augmenting Topologies implementation is unable to solve the XOR problem我的增强拓扑实现的神经进化无法解决 XOR 问题
【发布时间】：2019-11-14 04:35:25
【问题描述】：

我最近尝试自己实现 NEAT（增强拓扑的神经进化），但在解决 XOR 问题时，它似乎陷入了某种局部最大值。

我的实现能够按照 NEAT 算法的预期添加隐藏节点和连接，并且我的算法有可能解决它，因为它能够在数百代之后在极少数情况下解决它。

我所有的这个项目的代码都可以在https://github.com/Maxwell-Hunt/NEAT找到，关于这个算法的原始论文可以在http://nn.cs.utexas.edu/downloads/papers/stanley.ec02.pdf找到。

当我尝试让它解决 XOR 时，它通常能够得到正确的结果：[0,0] -> [0], [0,1] -> [1], [1,0] - > [1]，但它也得到 [1,1] -> 1，这是不正确的。

【问题讨论】：

标签： python machine-learning genetic-algorithm reinforcement-learning es-hyperneat

【解决方案1】：

我已经在 Ruby 中实现了 NEAT，它确实很好地解决了 XOR 问题。

https://github.com/flajann2/rubyneat

请随意阅读和窃取我的代码。

调试这样的事情可能很棘手。对于初学者，请密切注意您的健身配方。我没有机会查看您的代码，但它应该提供部分答案，您将在我的代码中看到：

https://github.com/flajann2/rubyneat_examples

您可能还需要密切关注 sigmoid 函数的工作原理。它不应该太陡，等等。

此外，问题还可能是您的选择和交配算法。如果你没有把它们弄对，进化可能不会开始。

我的代码需要运行大约 100-200 次才能得出正确的 XOR 解决方案。不过，它应该会快很多，而且我知道我需要做些什么来改进它，但它确实有效。

希望这会有所帮助。

【讨论】：