NEAT和强化学习之间有什么关系？

Question

据我所知，NEAT（增强拓扑的NeuroEvolution）是一种使用进化概念训练神经网络的算法。另一方面，强化学习是一种机器学习，具有奖励＆＃34;更成功的节点。

这两个字段有什么区别，因为它们看起来非常相似？或者NEAT来自强化学习？

Answer 1

简而言之，他们几乎没有任何共同点。

NEAT是一种进化方法。这是一种优化功能的黑盒方法。在这种情况下 - 神经网络的性能（可以很容易地测量）。它的架构（你在进化过程中改变）。

强化学习是关于代理人，学习在环境中表现良好的政策。因此他们解决了不同的，更复杂的问题。从理论上讲，你可以使用RL学习NEAT，因为你可能会提出“将神经网络作为状态，学习如何随着时间的推移修改它以获得更好的性能”的问题。关键的区别是 - NEAT输出是网络，RL输出是策略，策略，算法。可以多次使用的东西，可以在某些环境中工作，采取行动并获得奖励。