Artificial intelligence 以最少的“"；参数“；尽可能

我正在开发一款基于回合的游戏AI，它使用了一种被称为的神经网络技术。我正在尝试训练一个网络，它可以在二维（X&Y坐标）空间中移动，给定存储在二维数组中的各种值

我可以看到使用神经网络的两种策略：

对于网格中的每个“单元”，提供来自不同启发式的分数作为神经元的输入，并创建一个神经网络，它实际上是一个非常复杂的“评分”系统。将非玩家角色（NPC）移动到得分最高的位置

为每个heuristic度量值创建一个压缩值（以某种方式压缩为尽可能少的位），并为每个度量值提供一个输入神经元

我对选项二很感兴趣，因为它提供了所需的最少计算量（游戏的运行时间相当长），但是我不知道我可以使用什么方法来创建二维海利主义值的“小表示”版本。我知道有一些技术，比如傅里叶变换，但是我不知道这些是否适合我的问题。基本上，我正在寻找一种方法，将50x50的double数组转换为一个或两个double值。这两个双值可以进行有损压缩，我不需要恢复原始值，我只需要一个合理的机制将输入数据更改为一个小的占用空间

这两种可能性的一种替代方法是，基于与NPC的距离对“区域”进行编码（因此，可以得到“近”单元的实际值，以及“远”单元的近似值）。我不知道该如何将其连接起来，但它至少消除了在游戏的每一回合评估每个单元格的需要（考虑到我在每轮大约1秒的时间内查看大约500万个回合，我能想到的任何简化都会大有帮助）

如果这没有多大意义，我很抱歉，这是一个困扰我一段时间的难题，我想不出一个简单的方法来描述它

谢谢,

艾丹

编辑以添加（和更改标题）：

多亏了克里斯，我们改进了我要找的东西。我正在寻找的是一种方法，以尽可能少的参数近似一条线（我可以将2D贴图转换为一条线）。我以前使用过三次样条插值，但是对于在0.0和1.0之间变化的数据集，我需要更可行的方法。我想我真正想要的是地图的“散列”

---

我知道有一些技术，比如三次样条曲线，我可以从中得出一些“关键点”，这些值是我所寻找的合理类比。我需要一种方法来获取2500个值，并得出这些值的一个小表示，我可以用于神经网络。我认为可以训练神经网络来推断这些表示的真正含义，或者至少确定表示与现实世界之间的某种相关性，因此它不一定需要是可逆函数，但我不认为有很多单向函数（如MD5、SHA）实际上，它们也会非常有用…

基本上，任何图形压缩算法都会做你想做的事情。它们经过了大量优化，可以将二维数字数组压缩到尽可能小的内存中

编辑以添加：

另一件要考虑的事情，因为你想使用压缩来减少处理时间，所以得到很高的压缩比通常需要更多的计算来压缩和解压缩数组。与运行神经网络相比，您可能需要花费更多的时间压缩和解压缩数组

再次编辑以添加：

根据你的评论，听起来你可能想要的是一份工作。使用该曲线将50x50*数组转换为1x2500线，然后得出一个公式，该公式近似于数组中每个单元格所需的值

---

*阵列是否必须为50x50？如果是一个尺寸稍有不同的正方形，那么用空间填充曲线填充可能会容易得多。例如，希尔伯特曲线适用于二次幂的维数。

您可以尝试的一件事是对1D线进行FFT，然后删除稍后的（高频）项。例如，在MATLAB中，我执行了以下操作：

x = [1:1000];
y = rand(1,1000);
f = fft(y, 250); % truncate to 250 terms
plot(x,y, x,abs(ifft(f), 1000));

通常情况下，f的iFFT峰值与y的峰值非常接近。它们不一定是y的最高点，但它们是峰值。例如，在这次运行中，在f的反向FFT中，在x=424、475和725处有峰值，在y中，在x=423、475和726处也有峰值。然而，y的全局最大值为x=503，这是ifft（f）中的峰值，但不是很高

然而，这只会将数据使用量减少一半，因为我将1000个double转换为250个复杂值。仅使用FFT的实部可获得进一步的增加：

x = [1:1000];
y = rand(1,1000);
f = real(fft(y, 250)); % only uses 1/4 the space now
plot(x,y, x,abs(ifft(f, 1000)));

这仍然产生了相当好的结果，ifft（f）的每个主峰对应于y中的一个峰值，在大多数时间里，该峰值距离最多只有2倍，并且直接使用1/4的存储空间

然而，这仍然不能得到“一个或两个双值”的结果。你们现在把2500双装进625。您可以通过剪切更多术语进行试验，但您必须通过剪切更多术语“近距离”测试更多值。也许你可以保留前10%的条件，并找到最大值，然后在3或4的距离内查看；这将使你的2500个双打减少到“仅仅”250个。只有通过测试才能发现什么最适合您的应用程序

如果你真的很绝望，你可以去低至最低的1%频率，并搜索5或6在任何方向的真正峰值。但这仍然让你