我在 youtube 和互联网上查找过 NEAT 是什么，但我只能找到使用 NEAT 的项目，但是除了维基百科条目（它只说明它的介绍，而且非常混乱）之外，我仍然有不知道它是什么，它是一个库，它是一种神经网络，它是一种训练神经网络的方法吗？ 对不起，如果这是一个明显的问题。
【问题讨论】：
标签： neural-network artificial-intelligence genetic-algorithm
NEAT，即增强拓扑的神经进化，是由 Kenneth O'Stanley [1] 引入的一种基于种群的进化算法。
该算法基于几个关键特性：
复杂化
初始种群中的网络是最简单的（直到完全没有连接的极端情况，使输入和输出神经元不连接）并且该算法仅添加新的结构元素（神经元、连接）。这样，生成的网络往往非常小。
通过历史标记避免竞争惯例
在普通的进化算法中，很容易发生两个人编码相同（或非常相似）的行为但基因型非常不同的情况。这称为竞争约定。当这些人发生交叉时，他们的孩子可能比父母中的任何一方都差。 NEAT 通过保留新结构元素的历史标记来解决这个问题。当一个新的结构元素被创建（通过结构突变）时，它被分配一个创新编号（并且所有产生相同元素的突变，即使在不同的个体中也被分配这个相同的编号）。然后，当两个人交叉时，他们的基因型会以这样的方式对齐，即相应的创新数字匹配，并且只交换不同的元素。
物种形成和健身分享
NEAT 使用 species 的概念。这只是将人口细分为几组个体，称为物种。该细分基于个体的差异性，该差异性是基于其基因型的相似比对计算得出的，如进行交叉时使用的那样。来自不同物种的个体交叉的概率远小于物种内部的交叉。通过促进更多相似父母的交配，孩子不太可能比父母差很多，因为父母只是相容。
此外，在物种内，个体之间共享适应度。这有两个目的。 (1) 它保护个体免受突变 - 当发生突变时，适应度通常会很低，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，共享的适应度越多，而物种成员的适应度越差。
我强烈推荐阅读原论文 [1]。该算法描述得非常好。还有一个NEAT Users Page，其中包含更多论文的链接以及 NEAT 的实现和使用。
[1] Kenneth O. Stanley 和 Risto Miikkulainen。通过增强拓扑发展神经网络。进化计算，10(2):99-127, 2002。
【讨论】：