如何标准化健身分数？ [关闭]答案

【问题标题】：How to normalize fitness scores? [closed]如何标准化健身分数？ [关闭]
【发布时间】：2013-03-31 15:15:47
【问题描述】：

我正在发展一组神经网络，并且一直在努力将适应度分数标准化（到 0 到 1 范围内的值），因此这个数字本身是最有意义的。问题是代理在不同的条件下进行测试——他们参与不同的游戏，并且对于每个游戏使用不同的适应度函数。健身功能看起来或多或少是这样的：

agentsFitness[indiv][0] += Util.mean(speed) * (games[0].getConstant(0) - Math.sqrt((Math.abs((speed[LEFT] - speed[RIGHT]))) * (games[0].getConstant(1) - Util.normalize(0, 4000, maxIRActivation))));

但每个人都会接受不同的输入。我可以轻松地分别为每个数字标准化数字，因为我可以估计输入的最大值和最小值。其中一些将在 (-30,000, 360,000) 和一些 (0, 900) 范围内。

我觉得困难的部分是代理可能同时在两个、三个或更多游戏上进行测试，因此它们的适应度得分将是所有游戏得分的总和。此外，可以引入/发展新游戏。硬编码归一化的最小值和最大值在这里不适合。

如果我尝试使用非常大的最大值和最小值，我最终会得到一个范围（0.40、0.45）的分数，因为这些游戏具有较小的输入值，从而隐藏了分数的潜在多样性。

任何关于如何标准化这些健身分数的建议将不胜感激。

【问题讨论】：

标签： java neural-network genetic-algorithm robotics

【解决方案1】：

所以您正在尝试使用遗传算法优化神经网络，对吗？凉爽的！

通常建议对 ANN 使用归一化输入，但这在使用 sigmoid 激活时特别适用。您确定需要标准化数据吗？在不知道输入范围的情况下，很难让 ANN 完成其工作。

如果您难以对输入进行规范化，请跟踪数据中的当前最大值和最小值。
更好的是，尝试对数据进行一次迭代以收集有关最大值和最小值的先验信息（前提是它不会显着增加时间复杂度）。
或者，尝试研究一种逻辑来猜测最大值和最小值。也许......另一个神经网络来做猜测工作:)。这将取决于环境。

你想要做什么对我来说不是很清楚......但据我所知，这些是我能提出的唯一建议。

检查这两个链接。可能会有所帮助：

Normalizing values with unknown bounds

Normalize components in a language model

【讨论】：

神经元传递函数是双曲正切。我不需要为此标准化输入。但是在绘制智能体的适应度和游戏的适应度（游戏是适应度函数）时，当它们的值范围如此之广时，很难分析它们。因此，我想将它们归一化为 (0, 1)。我跟踪了最大值和最小值，它起作用了。这并不理想（因为输入有时会超过估计值）所以我会尝试进行额外的迭代。感谢您的建议！
只是一个建议...您可以尝试将缩小因子与 tanh 传递函数相乘...例如：a*tanh... 其中 a

【解决方案2】：

您可以使用标准归一化分数：对于每个总体（在本例中为每个输入集合），您可以通过从中减去总体平均值，然后除以他们的标准差来计算个体的得分。

这不会给您留下 0 到 1 之间的数字，但可以让您比较两个总体

【讨论】：