32、神经网络基因型模块的更新与测试

神经网络基因型模块的更新与测试

1. 种子计算智能

在神经网络（NN）的设计中，我们无法提前预测或推导其最佳规模和拓扑结构，以适应特定环境或解决特定问题。进化是决定NN拓扑、架构和功能等一切要素的关键力量。进化会随着时间使系统变得复杂，添加新特征、元素和拓扑结构，同时保留有用的部分，舍弃无用的部分。

因此，我们只需从最小的NN拓扑开始，让进化逐步将其转化为更复杂的结构。常见的最小种子NN拓扑有四种类型：
- 类型A ：从单个传感器和单个输入向量长度为1的执行器开始，第0层有1个神经元。
- 类型B ：1个传感器和1个输入向量长度大于1的执行器。
- 类型C ：单个传感器和多个执行器。
- 类型D ：多个传感器和多个执行器。

最简单的种子NN由单层神经元组成，连接传感器和执行器。其初始拓扑取决于研究者选择的传感器和执行器数量。通常，种子NN从单个传感器和单个执行器开始初始化，让NN系统通过神经进化发现其他传感器和执行器。

2. 约束条件

约束条件为特定的生物体或基于神经网络的系统提供了一般的进化准则。约束元组指定了形态，即NN系统在进化过程中可获取新传感器和执行器元素的集合，以及一组神经激活函数（neural_afs）。

约束条件的好处在于，它允许我们以多个约束条件启动一个种群，从而形成多个物种和多个适应度函数（每个物种一个）。例如，我们可以启动一个大小为100的新种群，设置两个约束条件，一个形态为猎物，另一个形态为捕食者。猎物和