问增强拓扑的NeuroEvolution (NEAT)和全球创新数

EN

注:这与其说是一个回答，不如说是一个延伸的评论。

在为javascript开发一个整洁的版本时，您遇到了一个我刚刚遇到的问题。2002年发表的原始论文很不清楚。

原纸包含以下内容：

每当一个新基因出现时(通过结构突变)，全球创新数就会增加，并分配给该基因。因此，创新数据代表了系统中每一个基因的出现时间顺序。。。创新的数量从未改变过。因此，在整个进化过程中，系统中每一个基因的历史起源都是已知的。

但论文对以下情况非常不清楚，比如我们有两个相同的网络：‘相同的’(相同的结构)网络：

​

​

以上网络是初始网络，网络具有相同的创新ID，即[0, 1]。所以现在网络随机突变一个额外的连接。

​

​

轰隆隆！偶然地，它们变异成了同样的新结构。但是，连接ID是完全不同的，即[0, 2, 3]用于parent1，[0, 4, 5]用于parent2，因为ID是全局计算的。

但是，NEAT算法无法确定这些结构是否相同。当父母一方得分高于另一方时，这不是问题。但是当的父母有同样的健康状况时，我们就有问题了。--

因为这份文件说：

在组成后代的过程中，基因是随机从双亲中随机选择的，而所有多余的或不相交的基因都来自更合适的亲本，或者如果它们同样合适的话，则来自父母双方。

因此，如果父母同样健康，后代就会有[0, 2, 3, 4, 5]的关系。这意味着有些节点有双重连接。移除全球创新计数器，只需通过查看node_in和node_out来分配id，就可以避免这个问题。

所以，当你有同样合适的父母时，是的，你优化了算法。但几乎从来都不是这样的。

非常有趣:在论文的更新版本中，他们实际上删除了这一行。旧版本的这里。

顺便说一句，您可以通过使用node_in和node_out来解决这个问题，而不是分配创新ID，而是使用配对函数。当适应度相等时，这会产生相当有趣的神经网络：

​

​

我无法给出一个详细的答案，但创新数使整洁模型中的某些功能成为最佳(比如计算一个基因的种类)，以及允许可变长度基因组之间的交叉。交叉是没有必要的整洁，但它可以做，因为创新的数目。

我从这里得到了所有的答案：

http://nn.cs.utexas.edu/downloads/papers/stanley.ec02.pdf

这是一个很好的阅读

在交叉过程中，我们必须考虑两个基因组，在它们的个人神经网络中，两个相同的节点之间有着相同的连接。我们如何在不重复基因组的连接基因的情况下，在每一步交叉中检测到这种碰撞？简单:如果在交叉过程中被检查的两个连接共享一个创新号，那么它们将连接相同的两个节点，因为它们是从相同的共同祖先接收到的连接。

简单的例子:如果我是一个与创新号“i”有特定联系基因的基因组，那么我的孩子们，如果把基因'i‘从我身上夺走，可能会在100代的时间里相互交叉。我们必须检测我的基因'i‘的这两个进化版本(等位基因)何时发生碰撞，以防止两者兼而有之。接受两个相同的基因将导致表型可能循环和崩溃，杀死基因型。