神经网络和遗传算法

Question

我正在尝试使用神经网络和遗传算法，但是我遇到了问题。

因此任务非常简单： 我有运动的圈子，如果他们在图片中停留的时间比其他人更长，那么他们的身体状况就会比其他人好。

我的方法是：

1. 获得前三名得分手
2. 创建一个包含100个项目的数组，一个计分员获得的金额取决于前三名的适应度百分比
3. 选择一个随机发电池，然后与另一个随机池（前3个）交叉
4. 静音

所有交叉和突变只会改变神经元和给定输入的权重。

现在的问题是：

有没有机会，使用这些方法我会得到任何好的结果？

即使我只复制最好的一个来替换所有20名新球员，他们也会变得越来越糟（中间有一些小的“超人”）

我什至可以用这种方式解决这个问题，还是不应该混合使用这两种方法？

编辑：这是我的交叉方法，基本上是生成一个随机数，以选择从一个神经元复制的权重数量，直到切换到另一神经元为止。

def crossover(gen_1, gen_2, neuron):
    new_genes = dict()
    limit = random.randint(0, len(Definitions.array_index)-1)
    for x in range(0, limit):
        new_genes[Definitions.array_index[x]] = gen_1.neuron[neuron].weights[Definitions.array_index[x]]
    for x in range(limit, len(Definitions.array_index)):
        new_genes[Definitions.array_index[x]] = gen_2.neuron[neuron].weights[Definitions.array_index[x]]
    return new_genes