遗传算法策略（染色体）可以使用记忆吗？

Question

我一直想要实施一种遗传算法来设计跳伞机器人问题的策略。

基本上两个机器人落在无限一维世界的随机位置上，划分为离散的方块。每个机器人都会降落伞降落。

目标是编写一种算法，如果两个机器人都遵循其保证使其满足。

可能的行动。 向左移动，向右移动，等待转弯。 可能的状态：站在降落伞上，而不是站在降落伞上。

根据我对编码策略的理解，我可以做类似的事情。

0 move left
1 move right 
3 wait

对于州，第一个指数不是降落伞，第二个指标是降落伞，所以

03 - move left if you are not on a parachute and wait if you are.

该问题的实际解决方案包括以下策略：向左移动并在循环中等待，除非您看到降落伞然后停止等待（赶上其他机器人）如何将这样的策略编码为染色体？感谢。

Answer 1

如果您想使用遗传算法来解决问题，我相信您最好的方法是使用2位数的列表作为染色体。 每个数字代表一个州采取的行动。所以，如果我们说：

0表示向左移动

1表示向右移动

3表示等待

然后01意味着

if(state == noParachute){
    moveLeft();
}else{
    moveright();
}

你可以让染色体的长度随着时间的推移而增加，以获得更复杂的解决方案。

另一种方法是使用神经网络并使用NEAT进行训练。