Machine learning 机器学习，GA和x2B；BP还是遗传算法具有巨大的NN？

很抱歉标题不好

我目前正在学习ML，我想使用我获得的工具集来关注一个问题，它排除了强化学习

我想创建一个NN，它采用一个简单的2D游戏级别（想想最简单的情况下的马里奥，简单的适应功能，简单的控件和简单的功能选择），并输出关键序列

由于我们不知道正确的按键顺序（ks），我看到两个选项

1-）我发现使用遗传算法，使用backprop或类似算法将级别与关键序列关联，并预测新级别的KS

2-）我建立了一个庞大的神经网络，并使用遗传算法来解决它的整体内部结构

---

每种方法的优缺点是什么？为什么我要实现一个而不是另一个？请记住，我对这个话题还比较陌生，我想用我迄今为止所学的知识来解决这个问题，真正的基础知识。

你的建议本质上是强化学习，例如尝试“半随机”组合，然后使用奖励来学习网络。第一种方法是经典强化学习，另一种是使用神经网络的强化学习

---

如果你想解决这样的问题，有很多教程和github repo可以帮助你解决这个问题，只需简单的谷歌搜索。

这不是一个好问题。你为什么不两个都试一下，告诉我们你学到了什么？我看不出遗传算法能为你做什么。运行NN，看看它能给你什么。@duffymo我会两个都尝试，但目前我正在实现图像处理部分。我希望有人能提出一个或另一个有利的案例。不限于此问题的案例。