Neural network 什么是NEAT（增强拓扑的神经进化）？

我在youtube和互联网上查找了什么是NEAT，但我只能找到使用NEAT的项目，但除了wikipedia条目（它只在介绍中说明了它是什么，非常混乱），我仍然不知道它是什么，它是一个库，是一种神经网络，是训练神经网络的方法吗？

---

如果这是一个显而易见的问题，那么很抱歉。

NEAT，或增广拓扑的神经进化，是由Kenneth O'Stanley[1]引入的基于种群的进化算法

该算法基于以下几个关键特征：

复杂化

初始种群中的网络是最简单的（直到完全没有连接为止，使输入和输出神经元保持不连接），算法只添加了新的结构元素（神经元，连接）。这样，产生的网络往往非常小

通过历史标记避免竞争惯例

在普通的进化算法中，很容易发生两个个体编码相同（或非常相似）的行为，但具有非常不同的基因型。这被称为竞争公约。当这些人受到交叉影响时，他们的孩子可能比父母中的任何一方都糟糕。NEAT通过保留新结构元素的历史标记来解决这一问题。当一个新的结构元素被创建时（通过结构突变），它被分配一个创新编号（所有产生相同元素的突变，即使是在不同的个体中，也被分配相同的编号）。然后，当两个个体杂交时，他们的基因型以这样一种方式排列，即相应的创新编号匹配，并且仅交换不同的元素

物种形成和健康分享

整洁的作品带有物种的概念。这只是将种群细分为几个个体群体，称为物种。这种细分是基于个体的不相似性，这种不相似性是基于进行交叉时使用的相似基因型对齐计算的。来自不同物种的个体的交叉概率比物种内部的交叉概率要小得多。通过促进更相似父母的交配，孩子们不太可能比父母更糟糕，因为父母是相容的

此外，在物种内部，个体之间共享适合度。这有两个目的。（1） 它保护个体不受突变的影响——当突变发生时，适应度通常较低，但由于存在适应度共享，个体有时间优化自身（权重）以适应这种新的结构变化。（2） 促进多样性，因为物种越大，共享的适应度越高，物种成员的适应度越低

我强烈建议你阅读原稿[1]。算法描述得很好。还有一个网站，它有更多的链接到更多的论文，也有NEAT的实现和使用

---

---

Kenneth O.Stanley和Risto Miikkulainen。通过增加拓扑结构进化神经网络。进化计算，10（2）：99-127，2002。

请您也加入。因为学习从未停止过。我不知道在这方面有堆栈交换，谢谢您（我刚刚开始研究人工智能）一旦您加入社区，确保你有效地通过了社区指南。然后我们将学到很多。