NEAT 算法停留在特定的适应度值

如何解决NEAT 算法停留在特定的适应度值

我有一个作业，必须使用 NEAT-Python 库创建一个算法。输入是一个带有 1 个输出的 4 输入真值表，它是一个布尔函数（我使用的是 XOR）。这是适应度函数：

def eval_genomes(genomes,config):
    for genome_id,genome in genomes:
        genome.fitness = 16
        net = neat.nn.FeedForwardNetwork.create(genome,config)
        for xi,xo in zip(inputs,outputs):
            output = net.activate(xi)
            genome.fitness -= (output[0] - xo[0])**2

我是直接从图书馆的文档 (https://neat-python.readthedocs.io/en/latest/xor_example.html) 中得到的。然而，大多数情况下，算法会陷入特定的适应度值。例如，它没有达到 15.999...（这是理想的适应度，因为这是真值表中输入组合的数量），它停留在 11.999 并且不会从那里改善，尽管我可以看到人口进化。如果我更改它试图预测的布尔函数，它可能会卡在 14.999 中，但它通常会卡住。有人知道会发生什么吗？