Artificial intelligence 使用遗传算法，我如何根据两个神经网络结构创建后代？

我有两个描述神经网络结构的对象阵列，如何将它们组合起来产生真实的后代？“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],
];

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
}

---

我认为更好的方法是对每个节点的权重向量进行遗传算法搜索——如果你一直使用遗传算法的话

---

对于每个节点，都有一组向量，每个迭代一个节点改变其权重向量。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。

神经网络的交叉很困难，原因有很多。您可能想看看，它使用了一种聪明的机制（历史标记）来解决这个问题。链接文件（页面底部）包含了更多关于如何/为什么这样做的信息。阅读2005年（我认为）的原始文件，它写得很好，可以回答你所有的问题。