新颖性搜索方法采用新颖性度量标准来跟踪每个新个体的行为的唯一性。也就是说，新颖性度量标准是对新生物与行为空间中其他种群之间的距离的度量。有效的新颖性度量实现应允许我们在行为空间的任何点计算稀疏度。任何具有更密集访问点群集的区域都不太新颖，并且产生的进化奖励也更少。
在一个点上最简单的稀疏度量是在行为空间中到该点的k个最近邻居的平均距离。当此距离高时，兴趣点在稀疏区域。同时，较密集的区域以较低的距离值标记。因此，点 x x x处的稀疏度 ρ ρ ρ由以下公式给出：
ρ ( x ) = 1 k ∑ i = 0 k d i s t ( x , u i ) ρ(x)=\frac1k\sum_{i=0}^kdist(x,u_i) ρ(x)=k1i=0∑kdist(x,ui)
这里， μ μ μ是 x x x的第 i i i个最接近的邻居，由距离度量 d i s t ( x , u i ) dist(x,u_i) dist(x,ui)计算得出。距离度量是两个个体之间行为差异的特定领域度量。
稀疏区域的候选个体获得较高的新颖性分数。当该分数超过某个最小阈值时，该位置上的个体将被添加到性能最佳的档案(archive)中，该档案表征了行为空间中先前解的分布。当前这一代物种与档案一起定义了搜索的方向和当前进度。因此，通过最大化新颖性度量，搜索的梯度将针对新的行为，而没有任何明确的目标。但是，新颖性搜索仍然由有意义的信息驱动，因为探索新行为需要全面利用搜索域。
新颖性搜索优化方法允许进化过程在任何具有欺骗性局部最优解的空间中搜索解决方案并找到最佳解决方案。使用这种方法，当物种被迫不会收敛于特定的小生境解（局部最优），同时不得不探索整个解空间时，将有可能实现发散进化。尽管它采用违反直觉的方法，但是它似乎完全忽略了搜索过程中的显式目标，是一种非常有效的搜索优化方法。在大多数情况下，它可以比传统的基于目标的搜索（这种搜索以距离最终解的距离来衡量适应度）更快地找到最终解决方案。
新颖性搜索算法实践
利用NEAT-python库实现新颖性搜索算法解决迷宫导航问题，代码实现链接。
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算
发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算**
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
