基于遗传算法的决策树自然选择模拟器无进化问题排查

模拟器核心设定 #

• 包含10个角色：每个角色接收传感器输入，传入随机初始化的决策树，输出左移、右移或跳跃指令
• 适应度（fitness）计算方式：进食量 - 最长未进食时长，其中时长通过time.time()函数统计
• 食物生成规则：每次有角色进食后，在随机位置生成新食物

遗传算法迭代逻辑 #

每代结束后执行以下操作：

• 将前代适应度最高的角色无变异保留至下一代
• 从前代随机选取9个角色，每个角色有15%概率发生变异——随机修改决策树中某个节点的数值

问题现象 #

运行超1000代后，适应度未出现提升，甚至略有下降。参考二叉决策树遗传算法相关文章后仍未解决问题，附1000代最高fitness值变化图：

内容的提问来源于stack exchange，提问作者EskimoJones