使用机器学习改进益智游戏AI

Question

我问这个问题的动机是，我发现了一个在图数据集上使用机器学习的有趣问题。有关于这个主题的论文。例如，“从有向图上的标记和未标记数据中学习”（周，黄，斯科普夫）。然而，我没有人工智能或机器学习的背景，所以在从事任何科学工作之前，我想为更普通的观众写一个更小的程序。

几年前，我写了一款名为Solumns的游戏。它是经典世嘉游戏《柱子》的邪恶变体。受巴斯特的启发，它暴力地选择对玩家不利的颜色组合。这很难。

我想改进它的人工智能。我认为游戏空间(彩色方块、列位置、列颜色的网格)更适合图形结构，而不是属性列表。如果是这样的话，那么这个问题和我的研究问题差不多。

我正在考虑使用以下高层计划来解决这个问题：

< li >我在想，如果人工智能对手可以根据比移动后棋盘上现有方格数量更多的数据来为可能的移动分配适合度评级，这将是有用的。我在考虑用分类器。训练移动和所有过去的移动，使用游戏剩余部分的过程作为成功的衡量标准。 < li >我还在考虑开发一个可以击败标准人工智能对手的玩家机器人。这在为1生成数据时会很有用。 < li >使用玩家机器人的游戏样本来构建击败战略玩家的AI。也许把这个数据也用于1。 < li >编写一个有趣的人工智能，在适当的时候，它可以代表1、3和原始人工智能的可能组合，我将使用实验来确定这些组合，以找到启发式的蒙混因素。

为了构建播放器机器人，我想我可以使用蛮力来计算样本空间。然后使用机器学习技术，例如用于构建随机森林的技术来创建某种决策者。

打造AI对手是我最困惑的地方。

具体问题如下：

< li >对棋步进行评级听起来像是人们对国际象棋所做的事情，虽然我承认我的方法可能是无知的，但文献中有很多关于这方面的内容，我可以从中学习。问题是，玩家机器人和AI对手应该创建数据样本吗？听起来好像我在不同的样本集之间感到困惑，这听起来像是糟糕的训练的处方。我应该一直玩游戏吗？ < li >针对当前的人工智能，我应该考虑用什么样的算法来训练玩家机器人？ < li >在训练人工智能对手对抗玩家机器人时，我应该考虑哪种算法？

额外信息:

• 我故意不问这种策略是否适合编写游戏AI。当然，你也许可以更简单地编写一个伟大的AI（毕竟它已经很难玩了）。我想通过做一些有趣的事情来学习机器学习。
• 最初的游戏是用球拍和C混合编写的。出于各种原因，我将其移植到 jruby，可能是扩展或 RPC 调用另一种更快的语言。我对这里现有的特定于语言的解决方案不太感兴趣。我想发展这方面的技能，并且不怕为自己实现算法。

你可以在这里找到原始游戏的来源

Answer 1

我不会在这里进行机器学习。看看玩游戏的AI。

你有两个不对称的对手游戏（如围棋）：

• 放置碎片的用户，
• 和选择棋子的计算机（而不是偶然选择棋子）。

我可能会从蒙特卡罗树搜索开始。