Neural network 如何训练安玩纸牌游戏？

我想教安玩，但我被困在如何实际执行训练

一位朋友建议将其用于实际ANN的实现，但我从未使用过它，因此我倾向于自定义实现

我已经编好了规则，我可以让电脑玩游戏，每回合随机选择合法的牌

现在，我不知道将什么作为输入发送给ANN，以及如何提取输出（减少每圈的卡片数量，因此我不能让每个输出神经元成为一张可能的卡片），以及如何进行教学以及何时进行教学

我的猜测是将ANN作为输入：

• 以前玩过的牌，带有哪个玩家玩过哪张牌的元数据
• 本回合桌上的卡片也具有相同的元数据
• 安手中的牌

然后让输出是13个神经元（每个玩家的最大牌数），其中我拿的是仍然在ANN手中的最活跃的牌

我也不知道什么时候教它（在每次回合之后或每场比赛之后），因为拥有所有的点球卡是有益的，但拥有除了一张点球卡以外的所有点球卡是不好的

非常感谢您的帮助。我真的不知道该把这个问题放在哪里

---

我目前用Swift编程，但它只有200行，我还懂一些其他语言，所以我可以翻译它。

首先，你需要为训练ANN创建一些好的学习数据集。如果你的预算允许的话，你可以请一些纸牌专业人士与你分享足够多的他们如何打牌的比赛。另一种生成数据的方法可能是一些玩扑克牌的机器人。然后，您需要考虑如何将比赛数据集表示为神经网络。另外，我建议你不要用卡片的值（0.2,0.3,0.4，…，0.10,0.11（杰克）来表示卡片，而要将它们作为独立的输入。还要寻找可用于这类任务的弹性神经网络。

注意，神经网络可能不是最好的选择。在答案的最后，我将首先回答你的问题

现在，我不知道将什么作为输入发送给ANN，以及如何提取输出（减少每圈的卡片数量，因此我不能让每个输出神经元成为一张可能的卡片），以及如何进行教学以及何时进行教学

ANN需要标记的输入数据。这意味着一对

（X，y）

，其中

X

可以是与您的问题相关的任何（结构化）数据，

y

是您希望ANN为X学习的正确答案的列表

例如，想想你在学校如何学习数学。老师会在黑板上做几个练习，你会把它们写下来。这是你的训练数据

然后，老师会邀请你到黑板前自己做一个。你一开始可能做得不太好，但他/她会指引你正确的方向。这是培训部分

然后，你将不得不自己解决问题，希望已经学会如何解决

问题是，即使是这个简单的例子对ANN来说也太复杂了。ANN通常会接受实数并输出一个或多个实数。因此，它实际上比一个学习

ax+b=0

类型方程的小学生要愚蠢得多

对于你的特定问题，很难看出它是如何符合这种格式的。总的来说，它不是这样的：你不能向ANN展示一个游戏并让它学习动作，这太复杂了。你需要向ANN展示一些你有正确数字标签的东西，并且你希望ANN学习基本模式n

要做到这一点，你应该将你的问题分解成子问题。例如，输入当前玩家的牌，并期望输出正确的移动

以前玩过的牌，带有哪个玩家玩过哪张牌的元数据

ANN应该只关心当前的玩家。我不会使用元数据或任何其他识别玩家的信息

给它一个历史记录可能会变得复杂。你可能需要递归神经网络来实现这一点

本回合桌上的卡片也具有相同的元数据

是的，但是再一次，我不会使用元数据

安手中的牌

也很好

确保您有尽可能多的输入单位作为您想要输入的卡的最大数量（手上的卡和表上的卡的总数量为可能的卡的2倍）。这将是一个二进制向量，其中

i

th位置为true，如果与该位置对应的卡存在于手上/表上

然后对移动做同样的操作：你将有

m

二进制输出单位，如果ANN认为你应该移动

i

，那么

i

th将为真，其中总共有

m

个可能的移动（如果

m

取决于游戏的阶段，选择最大值）

你的训练数据也必须采用这种格式。为简单起见，假设在总共5张牌中，最多可以有2张牌在手，2张在桌上，我们可以从2个动作中进行选择（例如折叠和全部进入）。然后一个可能的训练实例是：

Xi = 1 0 0 1 0 0 0 0 1 1 (meaning cards 1 and 4 in hand, cards 4 and 5 on table) 
yi = 0 1 (meaning you should go all in in this case)

我也不知道什么时候教它（在每次回合之后或每场比赛之后），因为拥有所有的点球卡是有益的，但拥有除了一张点球卡以外的所有点球卡是不好的

你应该以我描述的格式收集大量标记的训练数据，进行训练，然后使用它。你需要数千甚至上万场比赛才能看到良好的表现。在每回合或每场比赛后教授它不太可能取得好成绩

这将导致非常大的神经网络。你可以尝试的另一件事是预测谁将在给定的当前游戏配置中获胜。这将非常重要