机器翻译正文由机器翻译自项目原始文档（英文），排版经程序统一处理，可能存在偏差，请以原项目仓库为准。

神经粒子

每一个小点都是一个微小的生物。它通过神经网络观察周围环境，并根据所看到的情况移动。如果它存活足够长的时间——它会繁殖后代。如果没有——小点，你很勇敢，但其他点更勇敢。

神经粒子 是一个基于以下内容的实时人工生命模拟：

• 神经网络 - 每个代理使用一个全连接前馈网络：

  • 输入层：
  • 11x11.js：来自单通道 11×11 窗口的 121 个输入。
  • rgb.js：来自三个11×11通道（红、绿、蓝）的363个输入。
  • 隐藏层：25 个带有 sigmoid 激活的神经元。
  • 输出层：9 个输出，对应 8 个移动方向及停留。
  • 偏置项 包含在隐藏层中。

• 遗传算法：

  • 基因组 是所有网络权重和偏置的平面数组。
  • 适应度 以寿命（生存时间）衡量。
  • 交叉：随机存活者之间的均匀交叉。
  • 变异：用新的随机值替换随机权重。

• 环形网格：200×200 的场地，边缘环绕（环形拓扑）。

• 局部感知：每个代理只能看到以自己为中心的有限 11×11 区域。

• 自组织：没有全局规则。所有行为均由局部感知和繁殖压力产生。

▶️ 演示

• 11x11 模式 - 一个群体学习间距行为。
• RGB 模式 - 三个群体（红色、绿色、蓝色）处于捕食者-猎物循环中。

模式概览

11x11.js

• 粒子：2,000
• 输入：单通道局部密度
• 行为：通过保持间距学习避免拥挤并最大化生命值（HP）
• 偏置：小的保持原地奖励（stayBias = 100）

rgb.js

• 粒子：总计600个（红色200个，绿色200个，蓝色200个）
• 输入：来自红色、绿色和蓝色区域的三通道输入
• 动态：
  • 红色从绿色获得生命值，从蓝色失去生命值
  • 绿色从蓝色获得生命值，从红色失去生命值
  • 蓝色从红色获得生命值，从绿色失去生命值
• 行为：不断进化的捕食者-猎物军备竞赛

🧠 神经网络架构

• 输入大小：121 或 363
• 隐藏层：25 个 sigmoid 神经元
• 输出大小：9（8 个方向 + 停留）
• 激活函数: sigmoid(x) = 1 / (1 + e^(-x))
• 决策：最大输出决定移动

⚙️ 演化参数

• 基因型：原始神经权重 偏置
• 交叉：均匀（每基因随机分割）
• 突变：在 [-2, 2] 中随机值替换
• 选择：基于寿命（存活时间）
• 繁殖：每代最佳幸存者产生 2 个子代

📜 许可证

MIT 许可证

👤 作者

谢尔希·赫拉西莫夫

GitHub