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。模拟由冷热区和高/低海拔等组成。我想让世界上的生物以两种方式进化--每一个生物都会在他有生之年进化出人工智能，当一个生物繁殖时，就有可能发生突变。我认为，让这些生物的大脑成为一个神经网络，将传感器的数据作为输入(目前只有眼睛)，并向推进器发出指令(这会使生物四处移动)，这将是一件好事。

然而，我只对基本的神经网络有经验，它接收用户的期望输入，并相应地计算误差。然而，在这个模拟器中，没有最优的结果。结果可以通过我创建的适应度函数来评定(计算能量变化、后代数量等)，但不知道哪个输出节点是错误的，哪个是正确的。

1. 对于这个问题，我是否采用了正确的方法？或者也许神经网络不是解决这一问题的最佳方法？
2. 如果这是一个可行的方式来实现我的愿望，我如何使神经网络调整正确的权重，如果我不知道？

提前感谢，并对任何英语错误表示歉意。

Answer 1

你在神经网络和游戏中遇到了一个常见的问题。正如注释中提到的，在没有“正确”解的情况下，经常使用遗传算法。所以你的目标基本上是把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，并在这个纸中描述了这个过程。

由于本文比较复杂，实现该算法的时间也很长，因此您应该考虑使用一个库。因为我找不到适合我的库，所以我决定自己写一个，你可以发现这里库应该能很好地处理像你这样的“小”问题。您将在主类中找到一些示例代码。

结合网络使用

Network.breedWith(Network other);

创建网络使用

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

变异网络

Network.innovate();

正如您将在示例代码中看到的，对于每个新的网络，始终拥有初始的突变量是很重要的。这是因为当您创建一个新的网络时，没有连接，因此创建连接需要创新(意为突变)。如果需要，您可以始终创建网络副本(Network.getCopy();)。Network及其所有属性都实现了可序列化，因此您可以使用ObjectOutputStream保存/加载网络。

如果你决定使用我的图书馆，请告诉我你得到了什么结果！