进化模拟器中的神经网络-如何在没有预期结果的情况下计算误差

Question

我正在用Java创建一个进化模拟器。 模拟包括具有冷/热区域以及高/低海拔等的地图。 我希望世界上的生物以两种方式进化-每个生物在其一生中都将进化为AI，并且当一个生物繁殖时就有变异的机会。 我认为最好使生物的大脑成为一个神经网络，该神经网络将传感器的数据作为输入（此时仅是眼睛），并向推进器发出命令（使生物四处移动）。

但是，我只有基本的神经网络经验，这些神经网络会从用户那里接收所需的输入并据此计算误差。 但是，在此模拟器中，没有最佳结果。 可以通过我创建的适应度函数对结果进行评分（该函数会计算能量变化，后代数量等），但是未知哪个输出节点错误以及哪个输出节点正确。

1. 我是否使用正确的方法来解决此问题？ 也许神经网络不是最佳解决方案？
2. 如果这是实现我想要的目标的可行方法，那么如果我不知道它们，如何使神经网络调整正确的权重？

在此先感谢您，并感谢您的英语错误。

Answer 1

您在神经网络和游戏中遇到了一个常见问题。 如评论中所述，当没有“正确”的解决方案时，通常会使用遗传算法。 因此，您的目标基本上是将神经网络和遗传算法结合起来。 幸运的是，以前有人这样做过，并在本文中描述了该过程。

由于本文相对复杂，并且要花费大量时间来实现算法，因此您应该考虑使用库。 由于找不到适合我的库，因此我决定编写自己的库，您可以在这里找到。该库应能很好地解决像您这样的“较小”问题。 您将在Main类中找到一些示例代码。

使用合并网络

Network.breedWith(Network other);

使用创建网络

Network net = new Network(int inputs, int outputs);

使用来突变网络

Network.innovate();

正如您将在示例代码中看到的那样，对于每个新网络，始终保持初始数量的突变非常重要。 这是因为在创建新网络时没有连接，因此需要创新（花哨的词来表示突变）来创建连接。 如果需要，您始终可以创建网络副本（Network.getCopy（）;）。 Network类及其所有属性实现可序列化，因此您可以使用ObjectOutputStream保存/加载网络。

如果您决定使用我的图书馆，请告诉我您获得了什么结果！