machine-learning - NEAT 形态算法如何工作？

Question

我一直在阅读 NEAT(增强拓扑的神经进化)的工作原理，并且已经了解了它的主要想法，但一直困扰我的一件事是如何将不同的网络划分为物种。我已经完成了该算法，但它对我来说没有多大意义，而且我读的论文也没有很好地解释它，所以如果有人可以解释每个组件是什么以及它在做什么，那么非常感谢。

这两个方程是:

The original paper

Answer 1

NEAT 中的物种形成类似于其他进化算法使用的适应度共享。这个想法是为了惩罚类似的解决方案，从而对人口更加多样化产生压力。

增量项是两个解之间距离的度量。这里使用的距离测量是专门针对 NEAT 使用的可变长度基因组的。小的增量值表示更多相似的解决方案。

如果两个解之间的距离大于或小于给定阈值，则 NEAT 中实现的共享函数将分别产生值 0 或 1。将每个解决方案与候选群体中的每个其他解决方案进行比较，并通过所得共享函数值的总和来修改适应度。如果一个解决方案与群体中的其他几个解决方案相似，则其修改后的适应度将显着降低。