使用遗传算法训练tic tac toe的神经网络

Question

我试图为游戏'tic tac toe'实现遗传算法。 我现在如何做到以下几点：

1. 初始化50个随机网络
2. 让每个网络对抗每个网络。
3. 之后，每个网络将玩98场比赛（每侧每位球员）
4. 以这种方式计算每个网络的适用度：fitness = wins + draws -loses

5. 应用遗传算法：

   5.1。使用适合度值选择5个最佳网络。

   5.2。将这5个网络复制到其他45个网络上。 （所以第一次是10次，第二次是10次......）

   5.3。用随机高斯乘以系数s来改变权重的百分比。

   if(p < Random(0,1)){ weight/bias += Random.gaussian() * s; }

我现在使用的价值观是：

p = 0.05
s = 0.05

我的网络正在通过以下方式做出决定：

  

我正在使用深度为2的minimax算法（不是很多，我知道）。   董事会正在对网络进行评估。

我现在的问题是它没有按预期工作。当我之后与之对战时，它通常会做出愚蠢的动作，当我放手时让我赢或不赢。

如果有人可以帮我解决这个问题，我感到非常高兴。

问候， 芬兰