优化遗传神经网络解决Tic Tac Toe

Question

我在Python中编写了一个具有以下结构的神经网络：

• 9个输入神经元，一个用于游戏的3x3网格中的每个可能空间。它们的价值将是：
  +1（ai＆＃39; s move），-1（对手的移动），0（如果为空）
隐藏图层中的 9 神经元
• 9个输出神经元，每个可能的移动一个。我选择价值最高的那个。如果该举动是非法的，我会考虑以下最高等等。

当每个输入设置为0时，我添加了偏差以允许初始移动。 所以我有两个权重矩阵， W1 （输入和隐藏之间）和 W2 （隐藏和输出之间）， 10x9 。

我已经设置了遗传算法以找到最佳值。
我使用 10作为popoulation大小。人口的每个神经网络将与 100个对手神经网络战斗，随机权重不会进化。每50代我就会重生所有的重量。每个神经网络的适应度值的值如下： 2 *（n。胜利）+（抽签数） - 4 *（损失数n） 然后我选择五个最好的神经网络，然后在下一代中复制它们。我还通过交换权重并以10％的概率引入随机突变来生成其他五个神经网络。

我可以看到健身价值几乎每一代都在上升。每50个，可预测的，它会下降，因为反对者＆＃39;改变，然后再次开始上升。
经过500代，我收集了更新后的重量，并尝试了一个训练有素的神经网络对抗一个新的对手，一个随时随机移动的程序。我得到了90％的胜利，9％的平局和1％的损失。然而，对于人类玩家来说，击败网络仍然很容易。

如何提高最终神经网络的质量？也许需要更多代？还是一个不同的健身功能？在选择过程中我可以改进什么？