我的意思是象棋，草稿，tic tac toe，2048，超级马里奥等游戏，在一般游戏中需要多次游戏，移动完成。
我非常确定可以使用遗传算法，但我愿意知道是否有办法用纯粹的反向传播训练它。我将使用什么作为目标值？
我想让他在比赛结束前让他进行一些动作并将最终结果用作目标值，但我认为这只会训练最后一步，赢了吗？
另一种方法是训练每一步，但那么目标值是什么？您可以逐个移动地拥有多个有效选择，但从长远来看，肯定会有更好的选择。如何在没有我试错的情况下选择它？
用Backprop实现这是不可能的吗？
答案 0 :(得分：0)
绝对可以，但你必须提供非常好的训练数据。您必须生成所有可能的电路板位置，然后以编程方式确定哪个移动最适合该位置。例如，您可以使用minimax基本上生成所有运动。
做你想做的事情的最好方法是收集输入：那些倾向于很好地玩游戏的人类玩家的输出数据，然后在启用了dropout的情况下反向传播这些值，以确保网络注意到大模式。 / p>
我有一个古老的项目，它根据你的游戏风格（neuraldino）教授一个神经网络学习，虽然我是神经网络的新手，所以它可能不那么有效。