我从以下论文中了解到NEAT：http://nn.cs.utexas.edu/downloads/papers/stanley.ec02.pdf
我无法理解调整后的健身如何惩罚大型物种并阻止它们占据人口的主导地位，我将通过一个例子证明我目前的理解，并希望有人会纠正我的理解。
让我们说我们有两个物种，A和B，物种A在上一代确实很好并且给了更多的孩子，这一代他们有4个孩子，他们的适合度是[8,10,10,12]虽然B有2且它们的拟合度为[9,9]所以现在它们的调整拟合度为A [2,2.5,2.5,3]和B [4.5,4.5]。
现在，在分发儿童方面，该文件指出：＆＃34;每个物种被分配了一个潜在不同数量的后代，与其成员生物的调整适合度f'_i的总和成比例;＆＃34;
因此A的调整拟合度为10，B为9，因此A获得更多的孩子并且不断增长，那么这个过程如何惩罚大型物种并阻止它们占据人口？
答案 0 :(得分：0)
好问题！我完全同意这篇论文（特别是你引用的部分）说，后代是根据物种内调整的适合度的总和来分配的。由于调整后的适应度是通过将适应度除以物种成员数来计算的，因此这在数学上等同于根据每个物种的平均适应度分配后代（如您的示例所示）。正如你所说，它本身不应该有减少大型物种生长的效果。
除非我遗漏了某些内容，否则文件中没有足够的信息来确定是否A）文件中未提及的其他实施细节导致此选择方案具有规定的效果，B）这是一个错误在撰写论文时，或者C）这就是算法实际实现的方式，并且对于作者认为的原因，物种形成没有帮助。
关于选项A ：在您引用的行之后，文章说“物种然后通过首先消除群体中表现最差的成员来重现。然后整个群体被后代替换。每个物种中剩余的生物。“这可以实施，使得每个物种主要取代其自身最弱的生物，这将使竞争主要发生在物种内。这是一种称为拥挤的技术（在本文引用的Mahfoud，1995年论文中引入），它可以对健身共享产生类似的效果，特别是如果它与某些其他实施决策相结合。然而，对他们来说，做到这一点并没有提到它，然后说他们正在使用健身共享而不是拥挤，这将是非常奇怪的。所以我认为这种解释不太可能。
关于选项B ：大多数计算机科学期刊论文与此类论文一样，都是基于最初提交作品的会议论文集。会议论文中提到了NEAT的大部分物种形成研究：https://pdfs.semanticscholar.org/78cc/6d52865d2eab817aaa3efd04fd8f46ca8b61.pdf。在对健身分享的解释中，该论文称：“物种随后会根据他们的<强>平均调整后的适应度是否高于或低于人口平均值而增长或缩小”（强调我的）。这与您链接的论文中提到的调整适合度的总和不同。如果他们实际上使用的是平均值（并且错误地说是总和），他们实际上会将每个物种的成员数量除以两次，这将使所有其他声明准确，并使数据有意义。
关于选项C：这个似乎不太可能，因为图7看起来肯定稳定共存的时间比你预期的更长，没有某种负频率依赖性。而且，他们显然在解析物种形成的影响方面付出了很多努力，所以我不希望他们错过那样的东西。尤其是在这么多人建立的有影响力的论文中。
所以，总的来说，我会说我的钱是在解释B - 这是一个单词错误，大大改变了意义。但是很难确定。