Machine learning 国际象棋评价函数的训练
我将要写一个基于强化学习的国际象棋引擎。 我想训练一个评估函数，并找出董事会最重要功能的权重 我不是机器学习专家，我只是想从书本和教程中学习。在每个教程中，奖励都非常简单，通常是1，0，也许是-1，但在国际象棋中没有这样明显的奖励（不管检查伙伴的位置）。 例如，假设我在黑板上有一个情况。我做了10次（随机）移动，在这一点上我应该计算奖励，起始位置和当前位置之间的差异（或错误）。当我唯一的评估功能正在接受培训时，如何做到这一点Machine learning 国际象棋评价函数的训练,machine-learning,evaluation,chess,reinforcement-learning,reward,Machine Learning,Evaluation,Chess,Reinforcement Learning,Reward,我将要写一个基于强化学习的国际象棋引擎。 我想训练一个评估函数，并找出董事会最重要功能的权重 我不是机器学习专家，我只是想从书本和教程中学习。在每个教程中，奖励都非常简单，通常是1，0，也许是-1，但在国际象棋中没有这样明显的奖励（不管检查伙伴的位置）。 例如，假设我在黑板上有一个情况。我做了10次（随机）移动，在这一点上我应该计算奖励，起始位置和当前位置之间的差异（或错误）。当我唯一的评估功能正在接受培训时，如何做到这一点 我希望避免使用其他引擎的评分系统，因为我觉得这更像是监督学习，这不是我
我希望避免使用其他引擎的评分系统，因为我觉得这更像是监督学习，这不是我的目标。你不能直接这样做 我可以建议以下几种方法：
- 使用外部来源的评分至少可以启动您的算法。评估一个给定位置的算法是非常有限的，而你的AI单靠它是无法达到大师级的
- 探索使用另一种国际象棋AI（理想情况下为开源）评估位置的可能性。假设你有一个“老师”AI。您可以启动2个实例，然后从要评估的位置开始游戏。让他们从那里开始互相比赛，直到比赛结束。此举是否成功？根据结果奖励你自己的AI
- 要添加一些可变性（您不想比单个AI更好），请对其他AI执行相同的操作。甚至，你自己的人工智能在与自己对抗。不过，要想让后者发挥作用，可能就需要已经象棋了，而不是完全随机下棋。你可以多次重放同一个动作，完成游戏，让你的AI随机探索新的动作和策略（例如：在路上尝试第二好的动作）
- 使用真实玩家之间的游戏数据集为您的ML提供信息。因此，赢家和输家的每一步都可以“强化”
- 让你的AI通过与真正的玩家比赛来学习。强化你的AI动作（输赢的）和玩家的AI动作