如何使用遗传算法进行实际人工智能？

Question

我一直在研究遗传算法。我的目标是实现一个简单的模拟，在此模拟中，玩家（不受外部人类玩家控制）需要躲避障碍物并走向奖励。

我知道遗传算法属于进化算法，对于这种情况来说很好，因为我不需要提供培训数据。它将自己学习。

我阅读的这些介绍谈到了编码为二进制字符串的种群，我不明白种群和改进种群以产生新一代与此问题领域有何关系。

请问有人能解释一下吗？

- Adeeb

---

Adeeb，已经有人指出它们不属于强化学习。遗传算法属于进化算法的范畴。如果你想要使用“强化学习”，可以研究一下神经网络。 - Captain Skyhawk

Answer 1

简而言之，您将使用遗传算法生成决定AI行为的规则。这些规则的编码和解释方式取决于您想要实现什么目标。

也许您希望遗传算法生成神经网络连接权重，进而处理玩家的行为。在这种情况下，您将把权重编码为二进制字符串。

另一个例子是将二进制字符串解释为决策树。

当您编码表示后，遗传算法将生成具有不同基因或二进制字符串的个体。然后根据其表现分配适应度值，GA将希望随着时间的推移找到一个良好的AI（根据您的适应度函数和表示）。 编辑：假设您有以下网络，有三个连接，并选择每个权重使用四位进行编码。那么您的二进制字符串可能会简单地将这三个权重串联起来。

- PureW

---

由于编码取决于我想要实现的内容，是否有一种算法或直接的方式来选择编码方式？我只想让玩家收集奖励，我已经使用神经网络来避免与障碍物相撞。 - Adeeb

然后，您将使用二进制字符串编码有关神经网络的信息，例如节点、层和权重。也许您可以从静态拓扑开始，仅在二进制字符串中编码连接权重。 - PureW

我现在明白你的意思了，我的人工神经网络有3层，所以我可以直接添加其他权重吗？ - Adeeb

是的，您可以将任何想要优化的内容编码到二进制字符串中。在您的情况下，您可以将所有网络权重相加并放入二进制字符串中。只需记住，更长的字符串需要更多时间才能为遗传算法进行优化。 - PureW

Answer 2

请查看丹·阿什洛克的Tartarus论文。

- Chad Brewbaker