【发布时间】：2018-05-11 21:04:00
【问题描述】：
我目前正在和我的一些朋友一起开发一款视频游戏，用于我们的 AI 课程。
我们都有不同的约束；我们的目标是使用神经网络来定义 AI 的行为。这部分是用 Python 编写的。
基本上，我们的游戏类似于Towerfall，但要简单得多。地图是静态的，玩家有 5 条生命，要么是 AI。您可以向左，向右，跳跃和单击以在光标位置射击子弹。所以这是一场生死之战。
最初，我们考虑使用遗传算法来训练我们的网络。我们定义了一个拓扑，不管它是什么，我们计划使用 GA 优化权重。
计划是生成种群，直接在我们的游戏中测试 NN，收集结果（适应度？）并使用之前的排名生成新的种群。
但我们真的不知道如何实现这一点，或者是否可能或是否会产生良好的结果。
我们应该在复制过程中使用加权平均吗？如何应用“突变”？我们应该使用什么结构来表示我们的神经网络？
如果您有任何线索或建议..！
非常感谢！
【问题讨论】：
-
这是一个非常模糊/基于意见的问题，我已标记为关闭。但是为了给你指明一条路径，你可以继续用谷歌搜索——遗传算法要求你有一些你可以变异的基因的表示，这也表达了你需要的数据结构。例如，您可以使用浮点列表作为“基因”并将其转换为节点的权重。您如何进行突变，频率等都是您需要确定的。重要的是 - 基因中的一个小突变应该只会对行为产生很小的变化（至少一般而言）。
-
@Jul_DW ANN 训练非常耗时。如果您想拥有高效的计算机对手，请考虑其他 A.I.选项。
标签： python neural-network artificial-intelligence genetic-algorithm