NEAT: NeuroEvolution of Augmenting Topologies

NEAT ist ein genetischer Algorithmus zur Evolution künstlicher neuronaler Netze, der 2002 von Kenneth Stanley und Risto Miikkulainen eingeführt wurde. Im Gegensatz zu Methoden, die nur Gewichte entwickeln, entwickelt NEAT gleichzeitig sowohl die Topologie (Struktur) als auch die Verbindungsgewichte von neuronalen Netzen. Dies wird durch eine direkte Genomkodierung mit historischen Markierungen erreicht, die eine sinnvolle Kreuzung zwischen Netzen unterschiedlicher Strukturen ermöglichen und es somit für Reinforcement Learning, Spiele und Steuerungsaufgaben anwendbar machen, ohne eine vordefinierte Architektur zu erfordern.