用GA-Python定义ANN中的输入和适应度

我试图创建一个程序，可以找到最好的解决方案，赢得游戏使用NN，我希望得到一些帮助，从美妙的社区在这里

这个游戏是一个战略战争游戏，你有你的士兵和你需要征服的土地。你还需要了解对手的士兵， 每一秒你拥有一块土地，你就会得到一定数量的分数

< >你有很多引擎作者创造的输入，比如你可以访问的地方：地图上所有的土地，现在对方的士兵在哪里，如果土地已经被征服或者在征服的过程中。 我已经将ANN集成到游戏引擎中，并将适应度设置为他收集的分数，但适应度保持为零+1，
我认为问题在于，要占领一块土地，你需要在它旁边呆上几秒钟，而我无法让它学会如何去做，因为体能保持在1

我尝试了大量的人口和很多代人，但它没有征服，我不知道该怎么办

---

对不起，我的英语不好。

因为我还不能发表评论，所以我只回答一些假设。 （我也开始在Python中尝试NN和GA（MultiNEAT），所以也不是专家；）

• 这个问题可能是遗传算法的反馈不好，所以它不能选择最好的个体。试着让你的体能得分更精细，例如，让每一个对敌军士兵的小动作都能增加一点体能，而不是仅仅根据最后的分数得分

• 您的网络输出是什么？也许网络的结果没有正确地传递给游戏。例如，我会制作输出神经元，以士兵的运动为目标，也许还有一些用于在接近时的反应（我真的不知道游戏的机制）。如果你从网络上得到的可能答案有限，那么这些答案可能不足以赢得比赛，因此没有哪个网络能真正得分更好

• 你等得够久吗？问题越大，找到答案所需的时间就越多，特别是在速度较慢的计算机中。如果速度被证明是一个问题，尝试使用GPU实现遗传算法来加速网络评估

祝你好运