<分区>
我正在尝试构建一个由神经网络控制的代理的简单进化模拟。在当前版本中，每个代理都有带一个隐藏层的前馈神经网络。环境包含固定数量的食物，用红点表示。当代理人移动时，他会失去能量，而当他靠近食物时，他会获得能量。能量为 0 的特工死亡。神经网络的输入是代理的当前角度和到最近食物的向量。每个时间步，每个代理的运动角度都由其神经网络的输出改变。目的当然是观察一段时间后觅食行为的演变。但是，没有任何反应。
不知道是神经网络的结构(太简单了？)还是繁殖机制的问题:为了防止种群爆炸，初始种群大概是20个agent，随着种群数量接近50，繁殖机会接近于零。当确实发生繁殖时，通过从头到尾遍历代理列表并检查每个代理的 0 到 1 之间的随机数是否小于该代理的能量与所有代理人的能量。如果是这样，则搜索结束并且该代理成为父代，因为我们向环境中添加了该代理的副本，其神经网络中的一个或多个权重有一定的突变概率。
提前致谢!
最佳答案
如果环境足够好(例如，很容易找到食物)，那么随机移动可能是一个完全可行的策略，而且繁殖成功受运气的影响可能远大于其他任何因素。还要考虑意想不到的后果:例如，如果后代与其 parent 同处一地，那么两者立即在本地相互竞争，从长远来看，这可能非常不利，导致双方死亡。
要测试您的系统，请引入一个具有“预制”神经网络的个体，该神经网络设置为将个体直接引向最近的食物(您的模型是这样的东西存在并且很容易写下来，对吗？如果不，期望它进化是不合理的!)。将那个人介绍到你在哑巴群众中的模拟中。如果个人没有迅速控制，则表明您的模拟未设置为强化此类行为。但是，如果个体享受繁殖成功并且它和它的后代接管，那么你的模拟正在做正确的事情，你需要寻找其他地方，因为这种行为没有进化。
响应评论的更新:
在我看来，这种角度和矢量的混合是可疑的。个人是否可以进化为“直接走向最近的食物”行为必须取决于您的网络对 atan 函数的近似程度(我持怀疑态度)。同样，这表明需要进行更多测试:
我也对“定量食物”持怀疑态度。 (我假设你的意思是一旦一个红点被消耗，另一个红点就会被引入)。一个更“现实”的模型可能是以恒定的速度引入食物，而不是强加任何人为的人口限制:人口限制是由食物供应的限制决定的。例如，如果您每分钟引入 100 个单位的食物，而个体每分钟需要 1 个单位的食物才能生存，那么您的模拟应该发现它趋向于长期平均有 100 个个体，而不需要夹紧以避免“人口爆炸”(尽管繁荣与萧条、盛宴或饥荒的动态可能实际上会出现，具体取决于细节)。
关于python - 神经网络的人工生命，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15008875/