我找不到为什么我们应该为NEAT中的每个新连接基因拥有一个全球创新编号。
据我对NEAT的一点了解，每个创新号都直接对应于一个node_in，node_out对，因此，为什么不仅使用这对id来代替创新号？此创新编号中有哪些新信息？年表？
更新资料
它是算法优化吗？
最佳答案
注意：这更多的是扩展评论，而不是答案。
您在开发适用于javascript的NEAT版本时遇到了一个我刚刚遇到的问题。 〜2002年发表的原始论文还不清楚。
original paper包含以下内容：
每当新的
基因出现（通过结构突变），全球创新数量增加
并分配给该基因。因此，创新数字代表了按时间顺序排列的
系统中每个基因的外观。 [..];创新数字从未改变。因此，每一个
该系统中的基因在整个进化过程中都是已知的。
但是，对于以下情况，本文还不清楚，比如说我们有两个。 “相同”（结构相同）的网络：
上面的网络是初始网络；这些网络具有相同的创新ID，即[0, 1]。因此，现在网络随机地突变了一个额外的连接。
繁荣！偶然地，他们突变为相同的新结构。但是，连接ID是完全不同的，对于父1，[0, 2, 3]和对父2 [0, 4, 5]，因为该ID是全局计数的。
但是NEAT算法无法确定这些结构是否相同。当一个父母的得分高于另一个父母时，这不是问题。但是，当父母的健康程度相同时，我们就会遇到问题。
因为该论文指出：
在组成后代时，基因是从匹配基因的亲本中随机选择的，而所有多余或不相交的基因总是包含在更合适的亲本中，或者如果它们同样合适，则包含在两个亲本中。
因此，如果父母双方同样健康，则后代将具有连接[0, 2, 3, 4, 5]。这意味着某些节点具有双重连接...删除全局创新计数器，仅通过查看node_in和node_out分配ID，就可以避免此问题。
因此，当您拥有同样适合的父母时，是的，您已经优化了算法。但是，几乎从来没有这样。
非常有趣：在论文的newer version中，他们实际上删除了粗体行！较旧的版本here。
顺便说一句，您可以解决此问题，而不是分配创新ID，而是使用pairing functions根据node_in和node_out分配ID。当适合度相等时，这会创建非常有趣的神经网络：