DXNN 平台：生物低效性的消除

本文介绍了一种新型的基于模因算法的拓扑与权重进化人工神经网络 (TWEANN) 系统，称为 DX 神经网络 (DXNN)。DXNN 实现了一系列有趣的特征，其中包括：一种简单且对数据库友好的元组编码方法；一种两阶段神经进化方法，旨在通过其内在的种群多样化效应消除对物种形成的需求；一种新的“定向调优阶段”，旨在应对“维度灾难”；以及一种新的随机强度变异 (RIM) 方法，消除了对交叉算法的需求。本文将讨论 DXNN 的架构、变异算子及其内置的特征选择方法，该方法允许进化系统扩展并整合新的传感器和执行器。然后，我将 DXNN 与标准双杆平衡基准测试上的其他最先进 TWEANN 进行比较，并展示其在比竞争对手更快地进化出高度紧凑的解决方案方面的优越能力。接着，进行一组消融实验，以展示 DXNN 的每个特征如何影响其性能，随后进行一组实验，展示该平台创建具有极高多样性特征的神经网络种群的能力。最后，DXNN 被用于在一组二维开放式食物收集和捕食者-猎物模拟中进化人工机器人，展示了该系统产生日益复杂的神经网络的能力，以及该系统在机器人学、人工生命和协同进化领域的适用性。