17、基于超立方体的NEAT视觉判别与ES - HyperNEAT算法详解

基于超立方体的NEAT视觉判别与ES - HyperNEAT算法详解

视觉判别实验

在完成所有必要的设置步骤后，就可以开始视觉判别实验了。在该实验中，使用的视野配置如下：
| 参数 | 值 |
| — | — |
| 视野大小 | 11 x 11 |
| 视野中小物体沿各轴的位置 | [1, 3, 5, 7, 9] |
| 小物体大小 | 1 x 1 |
| 大物体大小 | 3 x 3 |
| 大物体中心相对于小物体的偏移量 | 5 |

接下来，需要选择合适的HyperNEAT超参数，以找到视觉判别问题的成功解决方案。MultiNEAT库使用Python的 Parameters 类来保存所有所需的超参数。在实验运行的Python脚本中定义 create_hyperparameters 函数来设置超参数的合适值，以下是对实验中对HyperNEAT算法性能有重大影响的关键超参数的描述：

def create_hyperparameters():
    # 1. 创建一个Parameters对象来保存HyperNEAT参数
    params = NEAT.Parameters()

    # 2. 定义种群大小
    params.PopulationSize = 150

    # 3. 设置添加新节点和新连接的概率
    params.MutateAddLinkProb = 0.1
    params.MutateAddNeuronProb = 0.03

    # 4. 定