机器学习在跳棋游戏中的应用

Question

我正在为跳棋电脑游戏做最后一年的机器学习项目。

在这个游戏中，我自动化了一个玩家（随机移动），我希望第二个玩家学习随机性，并通过更多的游戏和试验变得聪明。

正如我所说，第一个玩家是自动化的，所以它工作得很好，但是说到第二个玩家，我对它的动作有些问题。

我正在使用目标函数作为

>

v（b）=w0 w1x1 w2x2 w3x3 w4x4 w5x5 w6x6

其中x1=白色碎片数量x2=黑色碎片数量x3=白色国王数量x4=黑色国王数量x5=受到威胁的白色碎片数量x6=受威胁的黑色碎片数量

w0至w6是要由算法学习的权重。

如果我取初始棋盘状态，随机放置权重。通过放置随机权重(12，-15，6，19，-5，3)，我们得到v(b) = -36，因为最初x1= 12 x2= 12 x3= 0 x4= 0 x5= 0 x6= 0

所以v(b) = -36

如何获取要移动的预测值？

如果你能为我的问题出一份力，并努力解决它，那将是一个很大的帮助。

Answer 1

我得到了答案。我的导师告诉我，我们必须找出给定动作中每个可能动作的目标函数（v（b）），并将它们进行比较……无论哪一个是最大值，我们都会继续进行该动作，并相应地更新权重值。例如，这是第一次转弯时的情况：

+ - + - + - + - + - + - + - + - +
|   |w32|   |w31|   |w30|   |w29|
+ - + - + - + - + - + - + - + - +
|w28|   |w27|   |w26|   |w25|   |
+ - + - + - + - + - + - + - + - +
|   |w24|   |w23|   |w22|   |w21|
+ - + - + - + - + - + - + - + - +
| 20|   | 19|   | 18|   | 17|   |
+ - + - + - + - + - + - + - + - +
|   | 16|   | 15|   | 14|   | 13|
+ - + - + - + - + - + - + - + - +
|b12|   |b11|   |b10|   |b9 |   |
+ - + - + - + - + - + - + - + - +
|   |b8 |   |b7 |   |b6 |   |b5 |
+ - + - + - + - + - + - + - + - +
|b4 |   |b3 |   |b2 |   |b1 |   |
+ - + - + - + - + - + - + - + - +

我们的是黑边：转1

这些是此运动中可用的可能动作：

Move 0: 9 to 13
Move 1: 10 to 14
Move 2: 11 to 15
Move 3: 12 to 16
Move 4: 9 to 14
Move 5: 10 to 15
Move 6: 11 to 16

所以我们做了一个移动数和它们各自的v(b)的字典:

sample_dict = {0: 15.944312287271288, 1: 6.444167413927058, 2: 17.771995708404148, 3: 8.847647756243374, 4: 9.420835807993932, 5: 13.057118996697053,6: 18.71362388578158}

在这种情况下，您的系统将根据最大值v（b）移动，即移动[6]。

所以采取的动作是“移动6：11到16”。

这就是系统将学习如何采取更好的行动的方式。

对于两个初始转弯，我们将在0和1之间取w0到w6的随机值。但在第二次移动后，我们将定期更新w0到w6的值，因为那时我们将有vtrain(b)和v(b)。

最后一件事是，在任何给定的移动中，每次移动计算的所有v(b)将彼此相差两个值，即x5和x6。所以小心点。

感谢大家如此迅速地回复。

下面显示的是每次游戏后w0到w6的所有值，同时使其播放10次：在此处输入图像描述

Answer 2

这不是一个线性问题。尝试使用此资源，并告诉我它是否有帮助：https://kartikkukreja.wordpress.com/2015/07/12/creating-a-bot-for-checkers/