我正在做一些＆＃34;生活游戏＆＃34;与世界上的一些生物和一些食物。生物吃食物以获得能量，当它们有足够的能量时，它们会繁殖。食物提供的能量是基于食物在世界上的时间，越长越好。我使用遗传算法生物，但我希望他们通过几代人学习什么是最好的，因为我有4种方法可以搜寻食物：
1.-最近的一个
2.-提供更多能量的那个
3.-提供最佳％来改变基因并获得一些很酷的新事物的那个
4.-代表较低危险的那个
我有一个神经网络，输入100个基因，4个隐藏层和1个输出层，它是一个带有4个成分的载体，每个成分表示我应该根据我的基因选择的搜索选项。 / p>
网络在我的初始输入方面做得很好，但问题是我想继续为我的网络提供数代，所以我可以做一些事情，例如具有LAZY基因的生物从搜索最近的食物发展到提供更多能量的食物所以他们可以“什么都不做”＃34;更长的时间（因为是的，他们是懒惰的）。
似乎我必须在每次训练时都传入所有输入，这是不可能的，因为新的输入会产生几代人，而且由于高cpu消息，我不能每代训练大约100个输入。 / p>
我的问题：对于这个特殊情况，回传是否可以，或者我应该使用不同的方法来做我需要的事情？
提前致谢
编辑：神经网络需要大约20-60秒才能收敛，每次交叉可能每0.2到2秒发生一次。这是我的第一个实现。