Lemon

یکی از کاربردهای الگوریتم ژنتیک، استفاده از آن برای بهینه سازی وزن های شبکه عصبی است. دارم روی پروژه Pacman کار می کنم و قصد دارم برای برنامه نویسی Ghost ها از از NeuroEvolutionary کمک بگیرم. موارد قبلی که کار کردم، Population based بوده و خیلی راحت می تونستم برازندگی هر عضو جمعیت را بدست بیارم، اما اینجا....

یک محیط Multi Agent دارم که برای هر عامل (Ghost)، یک شبکه عصبی در نظر گرفتم، هدف اینه که یادگیری بصورت آنلاین انجام بشه، در هر لحظه از جمعیت، فقط یک عضو فعاله، برازندگی بقیه individual ها را چطور بدست بیارم؟

ممنون میشم کمکم کنید

__________________
دورها آوایی است که مرا می خواند...

saeedfa

نمیشه فقط اونی که تو هر مرحله فعال هست رو update کرد. لازمه همه update شن تو هر مرحله ؟

__________________

Lemon

ممنون که جواب دادید. راستش میخوام یه پروژه ای مشابه این

بنویسم، برای هر ماشین یک کنترلر در نظر گرفتم و هر کنترلر توسط یک Neuroevolution هدایت میشه و تکامل شبکه عصبی قراره آنلاین باشه.
من سابقاً با Neuroevolution کار کردم، اما مبتنی بر جمعیت بوده، مثلاً یه جمعیت 20 تایی، و برای هر individual یک ماشین میذاشتم و در پایان بازه زمانی t، برازندگی هر ماشین (هر عضو جمعیت) را محاسبه می کردم و مشکلی نبود.... اما اگر فقط یک یا تعداد کمی ماشین داشته باشم، تعداد اعضای جمعیت خیلی کم میشه، چطور میشه برای هر کدوم از ماشین ها یک کنترلر در نظر گرفت؟! ممنون میشم منو راهنمایی کنید، خیلی بهش نیاز دارم


نمی دونم چرا لینکش نمیاد: لطفا توی یووووو تییی یوبببب بزنید
Traing cars with Neuro evolution

__________________
دورها آوایی است که مرا می خواند...

Lemon

این