neural-network - NEAT 算法：如何交叉不相交和多余的基因？

Question

我目前正在实现 Kenneth Stanley 开发的 NEAT 算法，以原论文作为参考。

在描述交叉方法的部分中，有一件事让我有点困惑。

因此，上图说明了 NEAT 的交叉方法。为了决定一个基因是从哪个父母那里继承来的，这篇论文说：

匹配的基因是随机遗传的，而不相交的基因（中间不匹配的）和多余的基因（最后不匹配的）是从更合适的父母那里继承的。

对于匹配的基因（1 - 5）很容易理解。您只是从 Parent1 或 Parent2 随机继承（两者都有 50% 的机会）。但是对于不相交的 (6-8) 和多余的 (9-10) 基因，您不能从更合适的父母那里继承，因为您在 Parent1 或 Parent2 中只有这些基因。

例如：

Parent1 的适应度高于 Parent2。不相交的基因 6 只存在于 Parent2 中（当然，因为不相交和多余的基因只出现在一个亲本中）所以，你不能决定从更合适的亲本那里继承这个基因。所有其他不相交和多余的基因也是如此。您只能从它们所在的父级继承它们。

所以我的问题是：你是否可能从更合适的父母那里继承所有匹配的基因，然后接管不相交和多余的基因？或者我在这里误解了什么？

提前致谢。

Answer 1

查看实际实现并了解其处理方式可能会有所帮助。在这里的原始 C++ 代码中（从第 2085 行开始），来自不合适的父母的不相交和多余的基因似乎只是被跳过了。

在您的实现中，您可以从不合适的父母那里继承不相交和多余的基因，但以概率 1 禁用它们，以便稍后对它们进行逐点突变（将禁用切换为启用）。然而，这可能会导致显着的基因组膨胀，所以测试一下看看什么有效。

Answer 2

仅从“更合适的父母”那里获取不匹配的基因更有意义。由于交叉，这将产生强大的后代。对于匹配基因，应用通常的交叉算子。为了提高多样性，通过从两个父母中随机选择不匹配的基因来创建第二个后代。

这样，第一个后代将更适合，第二个后代将保持多样性。希望这可以帮助。

Answer 3

该图描绘了具有相同适应度的两个父母的特殊情况，因此选择再次是随机的，因此可能导致所描绘的情况。我同意，如果没有那条额外的信息，它会产生误导。