NEAT vs增強學習

Question

據我所知，NEAT（Augmenting Topologies的Neuroevolution）是一種使用進化概念來訓練神經網絡的算法。另一方面，強化學習是一種機器學習，具有「獎勵」更多成功節點的概念。

這兩個字段之間有什麼區別，因爲它們看起來很相似？或者NEAT來自強化學習？

Answer 1

總之，他們幾乎沒有什麼共同點。

NEAT是進化方法。這是優化功能的黑匣子方法。在這種情況下 - 神經網絡（可以很容易地測量）的性能。到它的架構（你在進化過程中改變它）。

強化學習是關於代理人，學習政策在環境中表現良好。因此他們解決了不同的，更復雜的問題。從理論上講，你可以學習使用RL的NEAT，因爲你可能會提出「給定一個神經網絡作爲一個狀態，學習如何修改它以獲得更好的性能」。關鍵的區別將是 - NEAT輸出是一個網絡，RL輸出是策略，算法的策略。在某些環境中可以多次使用的東西，採取行動並獲得獎勵。