我在Python中有一个简单的简单游戏实现。
游戏规则很简单：
现在我想使用神经网络构建AI
有一个init-Function，一个chooseMove-Function（这里你可以看到上次玩过的敌人卡）和一个gameOver-Function（这里你可以看到游戏的结果）
现在我的问题是：
- ＆GT;我该如何处理？我是否为不同的动作构建不同的网络（1.移动，2。移动......）或者为所有动作构建一个网络？我将什么定义为输入和输出？如何告诉网络什么是胜利？什么是亏损？
我是否已经为网络做过一些思考？ （例如，当你赢得这一轮时，你的牌和敌人牌之间的差异非常小，但如果你松开那一轮，那么差异应该非常大）
我知道这些都是非常基本的问题，也许这表明我对NN的理解并不是很好，但我认为这可以帮助我理解NN的基础知识。
答案 0 :(得分：1)
神经网络可用于分类，其中一些用于回归。如果您想试验NN，则需要以符合上述说明的格式提出问题。此外，NN通常使用固定长度向量作为输入，因此处理游戏的不同轮次将是一个问题。实际上你的简单游戏对于NN来说非常复杂。如果您愿意继续，则需要：
上面的每一点都是复杂的主题，可以写出几百个关于每个主题的页面。
如果你想要一些简单的话，我可以提出另一种选择：编写一个决定扑克玩家应该在开始时弃牌还是加入游戏的NN更接近于典型的NN问题。您的输入是2张牌和扑克桌（6或10）的大小，以保持简单。预计NN将作为输出作出是 - 否决定。这是具有少量参数的分类问题。您需要获得应该记录人类游戏的训练数据。基本逻辑是检查玩家的起手牌是什么，并检查玩家在该游戏中赢得多少钱，该游戏定义了在开始时是否弃牌或加入游戏的预期决定。您可以为此选择RBF网络。定义学习算法并显示训练数据将训练您的NN。您可以选择随机游走作为您的第一种训练方法。训练结束后，你的NN应该能够决定你是否应该用一只手进行比赛。阿尔伯塔大学提供扑克数据库，可用于创建培训数据：
http://poker.cs.ualberta.ca/irc_poker_database.html