NEAT在Rust中的实现

通过增强拓扑（NEAT）动态演化神经网络，以最大化特定任务的性能（适应度）。原始论文可以在这里找到。这是一个受原始论文以及evo-NEAT和neat-python项目启发的Rust实现。

这是一个实验性项目，供对ML和Rust语言感兴趣的人使用。因此，请随时指出模型中的错误并做出贡献。

开始使用

检查模型有效性的最简单模型是异或运算，因为它是一个非线性问题。\

运行示例
cargorun --examplexor

由于网络不一定总是进化出必要的节点以使其非学习，因此可能需要多次尝试才能找到解决方案。

概念

NEAT网络的独特且迷人的特性是，它不像预定义的网络拓扑，网络本身可以进化出新的结构并改变网络内的参数。

这种进化发生在变异过程中，由于变异缓慢且方向不确定，网络必须同时运行大量基因组，以便我们有更高的概率找到解决方案。

变异发生在称为“交叉”的过程中，我们随机从两个“父代”基因组中获取基因和连接，以生成一个新的基因组，然后对其进行变异。

由于大多数变异最初都是有害的，这个网络采用了一种物种的概念来保护新基因组免遭立即抹去，这鼓励了探索。

大部分概念来自原始论文，只有一些小调整。

1. 基因和连接基因可以被删除。
2. 每个基因都附有响应性和偏差。

基因

基因组的基本单位，每个基因都有一个唯一的键，以便它始终代表某些特征。

连接

连接表示两个基因之间的连接，它还包含两个基因之间的权重。

创新数字

每个连接都将获得一个递增的创新编号，以便我们可以在杂交过程和物种形成中区分不同的连接。

基因组

基因组是基因和连接的集合。

物种

物种是彼此足够相似的基因组的集合。

种群

种群是物种的集合。