我正在尝试编写自己的 NEAT 实现，但我被困在计算网络输出的网络评估函数上。
你可能知道，NEAT 包含一组神经网络，通过添加新节点和新连接，拓扑结构不断演变。但是随着之前未连接的节点之间增加了新的连接，我看到一个我去评估的时候会出现问题，我用一个例子来解释一下：
INPUTS = 2 yellow nodes
HIDDEN = 3 blue nodes
OUTPUT = 1 red node
在图像中添加了一个连接 node3 到 node5 的新连接，如果我还没有计算 node3 的输出，我该如何计算 node5 的输出，这取决于 node5 的输出？
（不考虑激活函数）
node5 output = (1 * 0.5) + (1 * 0.2) + (node3 output * 0.8)
node3 output = ((node5 output * 0.7) * 0.4)
考虑执行顺序，5 将具有无效值，因为它尚未设置为 3。但是，第二次应该设置一个值。经过充分的训练后，无效值应该会下降。
0 -> 5
1 -> 5
5 -> 2
2 -> 3
3 -> 4
3 -> 5
RESTART
0 -> 5
1 -> 5
我可以想到两种可能的方式来强制 NEAT 创建一个前馈网络。一个优雅的一个，一个有点笨重的；
我相信这些应该可以工作，但是我还没有测试过它们。
最初的 NEAT 论文假设了一个前馈 ANN，尽管它所描述的实现会产生一个完全连接的网络。我认为这只是他们所使用的范式的假设。这种混乱是完全可以理解的。
以下是 NEAT 网络评估的伪代码（由原始源代码转换而来），
Until all the outputs are active
for all non-sensor nodes
activate node
sum the input
for all non-sensor and active nodes
calculate the output
请注意，根据原作者的说法，前馈概念没有递归。
在我的实现中，我使用递归系统来计算输出节点。它的工作原理如下：
仅允许“添加连接”突变将节点与另一个节点连接，该节点与输入节点的最大距离更大。这应该会导致 > 前馈网络，而无需太多额外的工作。（紧急属性很棒！）
x，一个接受节点号的递归函数y，第二个函数，它接收一个节点并返回与该节点的所有连接作为输出在递归函数中：
调用函数y
x在函数 y 输出上调用函数
如果参数forx是任何输入节点，则返回节点值。
这是我能想到的最优雅的实现方式，并且比显式跟踪所有连接要简单得多。