使用遗传算法,我如何基于两个神经网络结构创建后代？

Question

我有两个描述神经网络结构的对象数组,如何将它们组合起来产生一个逼真的后代？"染色体"看起来像这样:

chromosome = [
    [Node, Node, Node],
    [Node, Node, Node, Node, Node],
    [Node, Node, Node, Node],
    [Node, Node, Node, Node, Node],
    [Node, Node, Node, Node, Node, Node, Node],
    [Node, Node, Node],
];

示例节点:

Node {
    nodesThatThisIsConnectedTo = [0, 2, 3, 5] // These numbers identify which nodes to collect output from in the preceding layer from based on their index number
    weights = [0.34, 0.33, 0.76, -0.56] // These are the corresponding weights applied to the mentioned nodes
}

Answer 1

我认为更好的方法是对每个节点的权重向量实施遗传算法搜索 - 如果您锁定使用 GA。

对于每个节点，都有一组向量，并且每次迭代时，一个节点都会更改其权重向量。在我看来，这似乎是一个比两个完整网络之间交叉更合理的方法。