python - NEAT算法结果精度

我是一名博士生，正在尝试将NEAT算法用作机器人的 Controller ，但我遇到了一些准确性问题。我正在使用python 2.7并为此使用两个NEAT python实现:

此GitHub存储库中的NEAT:https://github.com/CodeReclaimers/neat-python
在Google中进行搜索后，似乎已成功将其用于某些项目中。

由Peter Chervenski和Shane Ryan开发的multiNEAT库:http://www.multineat.com/index.html。
出现在NEAT软件目录的“官方”软件网页上。

在测试第一个时，我发现我的程序迅速收敛到一个解决方案，但是这种解决方案不够精确。由于缺乏精确度，我想说的是，在演化结束时，与“完美”解相关的中位数和平均值的最小偏差为3-5％(取决于问题的复杂性，误差约为10％对于我的解决方案来说是正常的。此外，我可以说，我从来没有看到NEAT给出的解决方案与正确的解决方案之间1％以下的错误值)。我必须说，我已经尝试了许多不同的参数组合和配置(这对我来说是个老问题)。

因此，我测试了第二个库。 MultiNEAT库比上一个库更快速，更容易收敛。 (我认为这是由于C++的实现，而不是纯Python造成的)，我得到了相似的结果，但是我仍然遇到同样的问题。缺乏准确性。第二个库也具有不同的配置参数，并且我还没有找到它们的适当组合来提高问题的性能。

我的问题是:
在NEAT结果中缺乏准确性是正常的吗？它实现了很好的解决方案，但不足以控制机器人 ARM ，这就是我要使用的目的。

我会写我正在做的事情，以防有人在我解决问题时看到一些概念上或技术上的错误:

为了简化这个问题，我将展示一个非常简单的示例:我有一个非常简单的问题要解决，我想要一个可以计算以下函数的NN:y = x^2(使用y=x^3或y = x^2 + x^3或类似的函数可以找到类似的结果)

我开发该程序所遵循的步骤是:

“Y”是网络的输入，“X”是网络的输入。这
神经网络的激活函数是S型函数。

我创建了一个“n”个样本的数据集，给定了“X”之间的值。xmin = 0.0和xmax = 10.0

当我使用S型函数时，我对“Y”进行了归一化
和“X”值:

“Y”在(Ymin，Ymax)和(-2.0，2.0)(S型输入范围)之间线性标准化。

“X”在(Xmin，Xmax)和(0.0，1.0)(S型输出范围)之间线性标准化。

创建数据集后，我将其分割为一个火车样本(70％
总量的百分比)，验证 sample 和测试 sample
(每个15％)。

至此，我创建了一个个人群体
进化。人口中的每个人都在所有
训练样本。每个职位的评估为:

eval_pos = xmax-abs(xtarget-xobtained)

个人的适应度是所有列车位置的平均值(我也选择了最小值，但它却使我的表现更差)。

经过全面评估，我测试了获得最佳成绩的个人
对测试 sample 。这是我获得那些东西的地方
“不精确的值”。此外，在评估过程中，
“abs(xtarget-xobtained)= 0”的最大值为从不
获得。

此外，我认为我处理数据的方式是正确的，因为我使用相同的数据集来训练Keras中的神经网络，并且得到的结果比NEAT更好(在1000个历元之后，误差小于1％)具有5个神经元的层)。

在这一点上，我想知道发生的事情是否正常，因为我不应该使用数据集来开发 Controller ，所以必须“在线”学习它，并且NEAT看起来像是解决我的问题的合适方法。

提前致谢。

编辑后:

首先，感谢您的评论尼克。
我将在下面回答您的问题::

我正在使用NEAT算法。

是的，我进行了实验，增加了人口总数和世代数。我得到的典型图形如下:

尽管本例中的人口规模不是很大，但我在增加个体数量或世代数量的实验中获得了相似的结果。例如，个人和500代中有500个人口。在该实验中，he算法快速收敛到一个解决方案，但是一旦到达该位置，最佳解决方案就会陷入困境，并且不再有任何改进。

正如我在上一篇文章中提到的那样，我已经尝试了使用许多不同参数配置的多个实验……并且图形与上一个显示的大致相同。

此外，我尝试的其他两个实验是:一旦进化达到最大值和中值收敛的点，我将根据具有新配置参数的基因组生成其他种群，其中:

突变参数以很高的突变概率(体重和神经元概率)变化，以便找到新的解决方案，目的是“从”当前基因组“跳跃”到其他更好的基因组。

神经元突变减少为0，而“mutation probability”的权重“mutate weight”在较低的范围内增加，以便进行稍微修改，以更好地调整权重。 (试图获得与反向传播类似的功能。在权重上进行一些细微的更改)

这两个实验没有达到我的预期，并且该种群的最佳基因组也与先前的种群相同。

对不起，“要在健身功能中应用您自己的加权罚分和奖励”，您想说什么我不太明白。在健身功能中包括体重减轻是什么意思？

问候!

最佳答案

免责声明:我为这些库做出了贡献。

您是否尝试过增加人口规模以加快搜索速度并增加世代数？我将其用于交易任务，并且通过增加人口规模，我的拥护者很快就找到了。

要考虑的另一件事是在健身功能中应用您自己的加权罚分和奖赏，这样可以很快消除掉所有不很接近的事物，并更快地找到正确的基因组。应该注意的是，整洁的人使用适应性函数来学习而不是梯度下降，因此它不会以相同的方式收敛，并且可能需要训练更长的时间。

最后一个问题，您使用的是hyperneat algo中的整洁代码还是multineat？

关于python - NEAT算法结果精度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53611858/