Apprendimento di un Comportamento di Guida nel Videogioco V-Drift tramite Neuroevoluzione

Come meccanismo di riproduzione, NEAT sfrutta l'EFS (explicit fitness sharing - scambio di fitness esplicita). E un metodo di speciazione per algoritmi genetici che permette a una popolazione di trovare multipli punti di ottimo in uno spazio di ricerca multi-modale.
Uno dei principali vantaggi di EFS sta nel fatto che guida l'algoritmo genetico alla ricerca di aree inesplorate dello spazio di ricerca.
Ciò è ottenuto riducendo la ricompensa per le regioni dello spazio di ricerca che sono densamente popolate.
Forzando gli organismi a condividere la fitness della loro nicchia (specie), non permettiamo ad alcuna delle specie di diventare troppo grande, e sopra are l'intera popolazione.
Quando si ha a che fare con problemi che permettono piu soluzioni con valori ottimi comparabili, si sarebbe portati a pensare di ottenere dapprima un risultato ottimo, poi spostarsi in una diversa area dello spazio di ricerca per trovarne un altro, lanciando l'algoritmo genetico di nuovo, tante volte quanti sono i differenti ottimi a cui siamo interessati.
Lo scambio esplicito della fitness affronta questo problema in un modo leggermente diverso, permettendo la ricerca di piu risultati ottimi in un'unica esecuzione dell'algoritmo genetico.
Ciò è realizzato riducendo la ricompensa per quelle regioni dello spazio di ricerca che hanno un alto numero di individui che cercano una soluzione, e allo stesso tempo, avvantaggiando quelle aree che non sono ancora state setacciate a sufficienza.
Confrontato con altri metodi che cercano di raggiungere lo stesso obiettivo, lo scambio esplicito di fitness fa tutto automaticamente, riducendo il rischio di eseguire la ricerca in un dato intervallo più volte.