NEAT算法

标签：等价   分布   任务   inf   技术分享   neu   nes   集合   技术   

NEAT算法是相对提出较早的算法，在2013年大名鼎鼎的DeepMind提出了一种深度增强学习的算法，该算法主要结合的CNN和Q-Learning两种算法，本质利用遗传算法创建神经网络

1、RL:增强学习

奖赏假设 ：

（2）Q学习

基本迭代：

2、NEAT算法即通过增强拓扑的进化神经网络（Evolving Neural Networks through Augmenting Topologies），算法不同于我们之前讨论的传统神经网络，它不仅会训练和修改网络的权值，同时会修改网络的拓扑结构，包括新增节点和删除节点等操作。

NEAT算法几个核心的概念是：

• 基因：网络中的连接
• 基因组：基因的集合
• 物种：一批具有相似性基因组的集合
• Fitness：有点类似于增强学习中的reward函数
• generation：进行一组训练的基因组集合，每一代训练结束后，会根据fitness淘汰基因组，并且通过无性繁殖和有性繁殖来新增新的基因组
• 基因变异：发生在新生成基因组的过程中，可能会出现改变网络的权重，增加突出连接或者神经元，也有可能禁用突触或者启用突触

下图我们展示了算法从最一开始简单的神经网络，一直训练到后期的网络

NEAT算法

标签：等价   分布   任务   inf   技术分享   neu   nes   集合   技术   

原文地址：https://www.cnblogs.com/6530265oule/p/9732578.html