我在YouTube和互联网上查找了NEAT的相关信息，但只能找到使用NEAT的项目，除了维基百科的条目（仅在介绍中说明了它是什么，而且非常令人困惑）外，我仍然不知道它是什么，它是一个库吗？是一种神经网络吗？还是一种训练神经网络的方法？如果这是一个显而易见的问题，我深表歉意。

回答：

NEAT，或称增强拓扑的神经进化，是由Kenneth O’Stanley [1] 引入的一种基于种群的进化算法。

该算法基于几个关键特征：

复杂化

初始种群中的网络是最简单的（甚至可能没有任何连接，输入和输出神经元未连接），算法只会增加新的结构元素（神经元、连接）。这样，生成的网络往往非常小。

通过历史标记避免竞争惯例

在普通的进化算法中，很容易发生两个个体编码相同（或非常相似）的行为，但基因型却大不相同。这被称为竞争惯例。当这些个体进行交叉时，它们的后代很可能比任何一个父本都要差。NEAT通过保留新结构元素的历史标记来解决这个问题。当创建一个新的结构元素（通过结构变异）时，会分配一个创新编号（所有产生相同元素的变异，即使在不同的个体中，也会分配相同的编号）。然后，当两个个体进行交叉时，它们的基因型会以对应创新编号匹配的方式对齐，只交换不同的元素。

物种化和适应度共享

NEAT使用物种的概念。也就是说，种群被细分为几个个体组，称为物种。这种细分是基于个体之间差异性的计算，计算方式与交叉时使用的基因型对齐方式类似。然后，不同物种个体之间的交叉概率远小于物种内部的交叉。通过促进更相似父母的交配，子代不太可能比父母差得多，因为父母本身就是兼容的。

此外，在物种内部，适应度在个体之间共享。这有两个目的。（1）它保护个体免受变异的影响——当发生变异时，适应度通常会很低，但由于有适应度共享，个体有时间优化自身（权重）以适应这种新的结构变化。（2）促进多样性，因为物种越大，适应度共享就越多，物种成员的适应度就越低。

我强烈推荐阅读原始论文 [1]。算法描述得非常好。此外，还有一个NEAT用户页面，上面有更多论文链接以及NEAT的实现和应用。

[1] Kenneth O. Stanley 和 Risto Miikkulainen。通过增强拓扑进化神经网络。进化计算，10(2):99-127，2002年。