如何使用强化学习教授神经网络的棋盘游戏策略？

Question

我需要使用强化学习来教授神经网络棋盘游戏的策略。我选择Q-learning作为特定的alghoritm。

我喜欢神经网络具有以下结构：

1. 图层 - rows * cols + 1神经元 - 输入 - 棋盘上连续字段的值（0表示空，1或2表示玩家），动作（自然数） ）在该州
2. 图层 - （??）神经元 - 隐藏
3. layer - 1 neuron - output - 给定状态下的动作值（float）

我的第一个想法是从创建状态，动作和值的地图开始，然后尝试教授神经网络。如果教学过程不成功，我可以增加神经元的数量并重新开始。

然而，I quickly ran into performance problems。首先，我需要从简单的内存中的Python dict切换到数据库（没有足够的RAM）。现在数据库似乎是一个瓶颈（简单地说，有很多可能的状态，检索动作的值正在花费相当多的时间）。计算需要数周时间。

我想有可能在运行中教授神经网络，而不是中间的地图层。但是我如何在隐藏层上选择正确数量的神经元呢？我怎么能弄清楚我是否失去了永久保存（学习）的数据？