我在 youtube 和互联网上查过 NEAT 是什么，但我只能找到使用 NEAT 的项目，但除了维基百科条目(它只在介绍中说了它是什么，而且很混乱(，我仍然不知道它是什么，它是一个库，它是一种神经网络吗， 它是一种训练神经网络的方法吗？ 对不起，如果这是一个明显的问题。
NEAT，或增强拓扑的神经进化，是由Kenneth O'Stanley[1]引入的基于群体的进化算法。
该算法基于几个关键功能：
复杂化
初始群体中的网络是最简单的(直到完全没有连接的极端，使输入和输出神经元不连接(，并且算法仅添加新的结构元素(神经元，连接(。这样，生成的网络往往非常小。
通过历史标记避免相互竞争的公约
在普通的进化算法中，很容易发生两个个体编码相同(或非常相似(的行为，但基因型却非常不同。这称为竞争约定。当这些人受到交叉时，他们的孩子可能比父母中的任何一方都糟糕。NEAT通过保留新结构元素的历史标记来解决这个问题。当一个新的结构元素被创造出来(通过结构突变(时，它被分配了一个创新编号(并且所有产生相同元素的突变，即使在不同的个体中也被分配了相同的编号(。然后，当两个个体交叉时，他们的基因型以这样的方式对齐，即相应的创新数字匹配，只交换不同的元素。
物种形成和健身共享
NEAT与物种的概念一起工作。这只是将人口细分为几组个体，称为物种。这种细分基于个体的差异性，该差异是根据其基因型的相似比对计算的，就像进行交叉时使用的一样。因此，来自不同物种的个体杂交的概率远小于物种内部的杂交。通过促进更多相似父母的交配，孩子不太可能比父母差得多，因为父母只是兼容的。
此外，在物种内，适应性在个体之间共享。这有两个目的。(1(它保护个体免受突变的影响 - 当突变发生时，适应度通常会很低，但由于存在适应度共享，个体有时间优化自己(权重(以适应这种新的结构变化。(2(促进多样性，因为物种越大，共享的适应性就越多，物种成员的适应性就越差。
我强烈建议阅读原始论文[1]。该算法描述得很好。还有一个NEAT用户页面，其中包含更多论文的链接以及NEAT的实现和使用。
[1] Kenneth O. Stanley和Risto Miikkulainen。通过增强拓扑技术发展神经网络。进化计算， 10(2(：99-127， 2002.