NEAT算法适配自制贪吃蛇游戏时蛇持续转圈的问题求助

• 校验输入特征的准确性
  先确认「危险/食物检测」模块的输出逻辑无偏差：

  • 核对蛇头相对方向的检测坐标系，比如蛇头朝右时，“前方”是否对应屏幕右侧、“左侧”是否对应屏幕上方，避免相对方向与绝对方向混淆
  • 逐帧打印检测结果：比如食物在蛇头正前方4格、左侧无障碍物时，对应方向的输出值是否与实际场景匹配，排除检测范围计算错误
  • 补充关键特征：除了方向距离，可加入蛇头与食物的x/y轴差值（正负代表相对位置）、相邻身体段的位置检测，让网络获取更全面的环境信息

• 重构适应度函数逻辑
  转圈行为通常源于适应度函数未有效引导寻食倾向：

  • 降低存活时间的权重，避免AI为了“续命”无意义转圈
  • 加入动态距离奖励：每帧计算蛇头到食物的曼哈顿距离，距离缩小给予正向奖励，距离扩大给予负惩罚
  • 强化关键行为奖励：吃到食物时给予大额奖励，撞到障碍物/自身时给予高额负惩罚
  • 增加移动方向奖励：向食物所在方向移动时，给予小幅即时奖励，而非仅在吃到食物时才奖励

• 调整NEAT配置参数
  不合适的参数可能导致种群过早收敛到局部最优：

  • 降低compatibility_threshold（兼容阈值），减少物种分化，避免小种群锁定转圈行为
  • 提高mutation_rate（连接权重突变率），增加种群的探索空间，降低陷入无效行为的概率
  • 替换或增加激活函数：比如在activation_functions中加入ReLU或Tanh，避免单一Sigmoid限制输出多样性
  • 扩大种群规模：尝试将种群数量提升至50-100个个体，提升进化的样本基数

• 验证输出与动作的映射逻辑
  确认神经网络输出到蛇移动动作的转换无错误：

  • 打印每帧的网络输出值，若转圈时输出固定对应同一转向（比如持续输出“左转”），说明网络未根据环境变化调整决策
  • 核对动作映射规则：比如蛇头朝下时，“右转”应对应屏幕右侧（而非绝对方向的右），确保转向是基于蛇头的相对方向
  • 手动测试动作映射：强制修改网络输出为向食物移动的指令，观察蛇是否能正确移动，排除映射逻辑的问题

• 加入初始引导与行为约束
  避免种群在进化初期陷入无效行为循环：

  • 初始种群阶段，给主动向食物移动的个体额外适应度奖励，引导进化方向
  • 增加连续转圈惩罚：若蛇连续3-5帧重复同一转向，给予小幅负奖励，抑制无意义循环

若能补充以下细节，可更精准定位问题：

• 适应度函数的具体实现代码
• 输入特征如何编码为神经网络的输入向量
• 神经网络输出转换为蛇移动指令的逻辑

内容的提问来源于stack exchange，提问作者dubidu