NEAT vs增强学习

Question

据我所知，NEAT（Augmenting Topologies的Neuroevolution）是一种使用进化概念来训练神经网络的算法。另一方面，强化学习是一种机器学习，具有“奖励”更多成功节点的概念。

这两个字段之间有什么区别，因为它们看起来很相似？或者NEAT来自强化学习？

Answer 1

总之，他们几乎没有什么共同点。

NEAT是进化方法。这是优化功能的黑匣子方法。在这种情况下 - 神经网络（可以很容易地测量）的性能。到它的架构（你在进化过程中改变它）。

强化学习是关于代理人，学习政策在环境中表现良好。因此他们解决了不同的，更复杂的问题。从理论上讲，你可以学习使用RL的NEAT，因为你可能会提出“给定一个神经网络作为一个状态，学习如何修改它以获得更好的性能”。关键的区别将是 - NEAT输出是一个网络，RL输出是策略，算法的策略。在某些环境中可以多次使用的东西，采取行动并获得奖励。