Java 进化模拟器中的神经网络——如何在没有预期结果的情况下计算误差

我正在用Java创建一个进化模拟器。模拟包括一张带有冷/热区域和高/低海拔等的地图。 我希望世界上的生物以两种方式进化——每一种生物在其一生中都会进化出它的人工智能，而当一种生物繁殖时，就有可能发生突变。 我认为最好是让生物的大脑成为一个神经网络，将传感器的数据作为输入（目前只有眼睛），并向推进器发出指令（推动生物四处移动）

然而，我只有基本神经网络的经验，这些神经网络从用户那里接收所需的输入并相应地计算误差。然而，在这个模拟器中，没有最优结果。结果可以通过我创建的适应度函数进行评级（该函数计算能量变化、子代数量等），但不知道哪个输出节点是错的，哪个是对的

对于这个问题，我是否使用了正确的方法？或者神经网络不是最好的解决方案

如果这是一个可行的方法来实现我的愿望，我如何使神经网络调整正确的权重，如果我不知道他们

---

提前感谢，并为所有英语错误感到抱歉。

您遇到了神经网络和游戏的常见问题。如评论中所述，当没有“正确”的解决方案时，通常使用遗传算法。 所以你的目标基本上是以某种方式将神经网络和遗传算法结合起来。幸运的是，之前有人这样做过，并在本文中描述了过程

由于该论文比较复杂，实现该算法的时间非常长，因此应该考虑使用库。 因为我找不到适合我的图书馆，所以我决定自己写一本，你可以找到 这个库应该可以很好地处理像你这样的“小”问题。您将在主类中找到一些示例代码

使用

Network.breedWith(Network other);

Network net = new Network(int inputs, int outputs);

Network.innovate();

使用创建网络

Network.breedWith(Network other);

Network net = new Network(int inputs, int outputs);

Network.innovate();

使用

Network.breedWith(Network other);

Network net = new Network(int inputs, int outputs);

Network.innovate();

正如您将在示例代码中看到的，始终为每个新网络设置初始数量的突变非常重要。这是因为当你创建一个新的网络时，没有连接，所以需要创新来创建连接。 如果需要，您可以始终创建网络副本（Network.getCopy（）；）。Network类及其所有属性实现可序列化，因此您可以使用ObjectOutputStream保存/加载网络

---

如果你决定使用我的图书馆，请让我知道你得到了什么结果

这篇精彩的教程描述了您正在谈论的具体场景，我认为您会发现它非常有用。所以你是说我应该使用遗传算法而不是神经网络？@AlexT。问题是我不能一次做出超过一个的决定，因为每个生物都必须做出每一个决定。我希望能够选择做什么，然后根据决定的结果学习下一次做什么。老实说，我有一部分人认为神经网络对所显示的内容有点过火。你看过《生活密码游戏》吗？我认为你提出的问题，用眼睛作为这个热图的输入，将得到很好的定义，而神经网络用于不适定问题。比如，一旦你弄清楚热图上有什么好的和坏的，那么真正需要训练的是什么呢？也许你应该研究一下路径规划算法，比如势场图？