NEAT
一种通过进化算法同时优化神经网络结构和权重的神经进化方法，由Kenneth Stanley和Risto Miikkulainen于2002年提出，引入物种机制和历史标记，能自动进化网络拓扑结构
Timeline (last 90 days)
肯尼斯·斯坦利提出的NEAT算法及新颖性搜索理论指出，以客观适应度为唯一导向反而会阻碍探索
NEAT由Kenneth Stanley和Risto Miikkulainen于2002年提出
NEAT的核心创新在于引入了物种（speciation）机制来保护创新性结构的早期生存
NEAT使用历史标记（historical markings）追踪基因的同源性，使得不同拓扑的网络之间可以进行有意义的交叉
一位Reddit开发者用NEAT进化出的马里奥控制器成功通关了《Bowser's Crown 4-1》关卡
NEAT不像传统强化学习那样依赖梯度下降，而是模拟自然选择进行迭代
ROM Hack关卡的回溯（backtracking）和非线性复杂布局对基于向右移动奖励信号进化的网络极不友好
解决回溯问题通常需要更精细的奖励塑形或引入时序记忆机制，标准NEAT的前馈或简单循环网络在处理长时序依赖时存在局限
该项目每个新关卡都是单独训练的，通关不能证明网络对陌生关卡具备泛化能力
NEAT天然适合处理离散动作空间和稀疏奖励的游戏环境，且能自动进化网络拓扑结构
1 more timeline events
All Facts (10)
NEAT由Kenneth Stanley和Risto Miikkulainen于2002年提出
60%Unverified肯尼斯·斯坦利提出的NEAT算法及新颖性搜索理论指出，以客观适应度为唯一导向反而会阻碍探索
50%UnverifiedNEAT使用历史标记（historical markings）追踪基因的同源性，使得不同拓扑的网络之间可以进行有意义的交叉
50%Unverified项目中神经网络从模拟器内存读取附近游戏状态信息（敌人、地形、马里奥位置）并输出按键操作
50%UnverifiedNEAT不像传统强化学习那样依赖梯度下降，而是模拟自然选择进行迭代
50%Unverified解决回溯问题通常需要更精细的奖励塑形或引入时序记忆机制，标准NEAT的前馈或简单循环网络在处理长时序依赖时存在局限
50%Unverified该项目每个新关卡都是单独训练的，通关不能证明网络对陌生关卡具备泛化能力
50%UnverifiedNEAT天然适合处理离散动作空间和稀疏奖励的游戏环境，且能自动进化网络拓扑结构
50%UnverifiedROM Hack关卡的回溯（backtracking）和非线性复杂布局对基于向右移动奖励信号进化的网络极不友好
50%UnverifiedNEAT的核心创新在于引入了物种（speciation）机制来保护创新性结构的早期生存
50%