我一直在研究遗传算法。我的目标是实现一个简单的模拟，其中玩家（不受外部人类玩家控制）避开障碍并走向奖励。

我了解到遗传算法属于进化算法，这对于这种场景非常合适，因为我不需要提供训练数据。它会自己学习。

我读到的这些介绍提到群体被编码为二进制字符串（我认为），我不明白群体和改进群体以产生新一代与这个问题领域有什么关系。

请有人解释一下

回答：

简单来说，你将使用遗传算法来生成决定AI行为的规则。具体这些规则如何编码和解释取决于你想要达到的目标。

也许你希望遗传算法生成神经网络连接的权重，而这些权重反过来控制玩家的行为。在这种情况下，你会将权重编码为二进制字符串。

另一个例子是将二进制字符串解释为决策树。

当你编码好你的表示方法后，遗传算法将生成具有不同基因或二进制字符串的个体。这些个体将根据其表现被分配一个适应度值，遗传算法将希望随着时间的推移找到一个好的AI（根据你的适应度函数和表示方法）。

编辑：假设你有下面的网络，包含三个连接，并且你选择用四位来编码每个权重。那么你的二进制字符串在最简单的编码中，可以是这三个权重的连接。