Neural network 神经网络与遗传算法结合应用于乒乓球或超级马里奥

我试着用GA训练一个ANN，它的工作是垂直移动一个杆，这样它就可以使球弹起而不会撞到杆后的墙，换句话说，一个杆的乒乓球。 我会直接问，因为我想知道问题是什么。 游戏窗口是200x200像素，所以我创建了40000个输入神经元。 显而易见的疑问是：GA能处理40000（输入）*10（隐藏）*2个元素（基因）的染色体吗？ 因为我认为答案是否定的（我实现了这个解决方案，但似乎不起作用），解决方案似乎很简单，我只给NN提供了4个参数，即杆和球的坐标x，y，确定了它。 很好的解决方案，但问题是：在屏幕上的敌人数量不固定的情况下，我如何将这样的解决方案应用到像supermario这样的游戏中？当然，我无法创建具有动态输入数的NN。

---

我希望您能帮助我。

您必须使用功能来表示您的状态。例如，您可以将屏幕划分为分幅，并根据考虑到敌人的函数指定值（例如，如果敌人在分幅中，则为布尔值，或者距离最近的敌人的距离）

您仍然可以使用像素，但可能需要对其进行预处理以减小其大小（例如，使用递归NN）

---

顺便说一句，NN可能无法处理200x200像素，但它能够使用84x84x4大小的预处理像素表示状态来学习玩Atari游戏（请参见）。

很高兴在这么长时间后看到答案：）。无论如何，我试着把输入减少到只有一个神经元，也就是杆和球之间的Y距离。我得到了什么？我不知道我是否真的可以称之为GA，因为它几乎总是在第一代就学会演奏。。。无论如何，感谢tiles的想法，我并没有真的想过，你在哪里读过吗？欢迎：）Tile编码是强化学习中表示状态的常用方法。在谷歌上搜索，你可以很容易地找到这些算法的一些C实现。类似的方法（经常使用）是径向基函数。关于单神经元网络，它学习似乎是合理的，因为最终目标是使球和杆之间的距离最小化。