如何修改遗传算法适应度函数，实现Unity城市车辆导航至目标点？

首先分析当前函数的核心问题：(1 / (1 + totalDistanceTravelled))项会惩罚所有移动行为，导致智能体倾向于保持静止，这和"前往目标点"的核心需求完全冲突，必须调整。以下是具体修改建议：

核心调整方向 #

• 移除总行驶距离惩罚项：该项会抑制智能体的移动意愿，直接移除可避免干扰核心目标的达成。
• 强化目标距离的权重：将(1 / (1 + distanceToTarget))作为适应度的核心项，通过乘以系数放大其优先级，让智能体优先关注靠近目标的行为。
• 平衡避障与目标导向的权重：保留碰撞惩罚和传感器奖励，但降低它们的权重，避免盖过目标导向的优先级。

修改后的适应度函数示例 #

// 核心奖励：靠近目标，乘以大系数强化优先级
float targetReward = 100f / (1f + distanceToTarget);
// 碰撞惩罚：碰撞越多，惩罚越重
float collisionPenalty = 10f / (1f + numberOfCollisions);
// 避障奖励：传感器平均值越高（离障碍物越远），奖励越高
float obstacleReward = sensors.Average();
// 总适应度
float fitness = targetReward + collisionPenalty + obstacleReward;

额外优化建议 #

• 添加到达目标的高额奖励：当智能体到达目标点时，给予固定高额奖励（比如1000f），加速进化收敛。
• 动态调整权重：进化初期适当提高避障项权重，让智能体先学会存活；后期逐步提高目标项权重，引导其专注于导航。
• 可选：添加有效移动奖励：计算智能体向目标靠近的距离（初始目标距离 - 当前目标距离），将其作为奖励项加入，强化正向移动行为：

  float progressReward = initialDistanceToTarget - distanceToTarget;
  float fitness = targetReward + progressReward + collisionPenalty + obstacleReward;
  

内容的提问来源于stack exchange，提问作者Oliver Fox