我正在编写一个C# Windows窗体应用程序，用于模拟一个简单的环境（网格），其中包含两种类型的对象：植物和食草动物。食草动物具有神经网络，可以将周围几个单元格的内容作为输入，以决定移动的方向。目标是通过适应度函数和遗传算法训练食草动物吃植物。

我的问题是，如果食草动物周围什么都没有，它会决定朝某个方向移动，然后，如果周围仍然什么都没有，它会再次朝同一个方向移动。结果就是一些食草动物只是沿着直线移动，实际上从未遇到任何植物。

添加一个时钟信号作为输入（每个位作为神经网络的单独输入）是否会改变这种行为，或者这不被推荐？我还考虑过添加一个来自高斯分布的随机数据作为输入，以增加一些不可预测性，但我不知道这是否有助于解决问题。另一个我不确定的想法是，如果为过去几次移动添加输入（作为一种记忆形式），是否可能解决这个问题。

回答：

我认为你需要一个循环网络。你可以跟踪网络过去做出的N个决策，然后将它们作为额外的输入添加到你的网络中，这样它就会对自己要去哪里以及持续了多久有一定的了解。它可能会在某个时候进化到开始进行某种路径查找。