15、神经进化方法：从迷宫导航到视觉识别

神经进化方法：从迷宫导航到视觉识别

1. 新奇搜索优化方法

新奇搜索优化方法可用于引导欺骗性问题空间环境（如迷宫导航）中的神经进化过程。在迷宫导航实验中，与之前实验设计的控制人工神经网络（ANN）拓扑不同，此次所有传感器输入都参与了决策过程。网络拓扑包含两个隐藏节点，使智能体能够实施复杂的控制策略，以在难以解决的迷宫环境中导航。

虽然在使用NEAT - Python库进行的实验中，未能成功进化出解决迷宫问题的智能体，但这更多是库对NEAT算法实现的低效问题，而非新奇搜索方法本身的失败。有人用GO编程语言实现了NEAT算法，能高效解决复杂的迷宫导航任务，代码可在GitHub（https://github.com/yaricom/goNEAT_NS ）上查看。

若想使用MultiNEAT Python库解决复杂迷宫任务，可按以下步骤操作：
1. 更新当前Anaconda环境，安装MultiNEAT Python库：

$ conda install -c conda-forge multineat

2. 运行基于MultiNEAT库的实验运行器：

$ python maze_experiment_multineat.py -m hard -g 500 -t 10 --width 200 --height 200

这些命令会在当前Anaconda环境中安装MultiNEAT库，并启动10次复杂迷宫实验（每次5