Python 神经网络&x27；基于遗传算法的s权重优化

我目前正在和我的一些朋友开发一个视频游戏，这是我们在AI方面的课程

我们都有不同的限制；我们的目标是使用神经网络来定义人工智能的行为。这部分是用Python编写的

基本上，我们的游戏就像，但要简单得多。地图是静态的，玩家有5条生命，或者AI。您可以向左、向右、跳跃并单击以在光标位置发射子弹。因此，这是一场殊死搏斗

最初，我们考虑使用遗传算法来训练我们的网络。我们定义了一个拓扑，不管它是什么，我们计划使用遗传算法优化权重

计划是生成种群，在我们的游戏中直接测试NN，收集结果（适合度？），并使用之前的排名生成新的种群

但我们并不真正知道如何实施这一点，也不知道这是否可能，也不知道这是否会带来好的结果

在繁殖过程中，我们应该使用加权平均值吗？如何应用“突变”？我们应该使用什么结构来表示NNs

如果你有任何线索或建议

---

非常感谢

我准备了一个完整的教程，介绍如何使用Python实现的遗传算法优化人工神经网络。它的标题是“使用Python遗传算法的人工神经网络优化”，可在和处获得

---

你可以在我2018年的书中读到越来越多的内容，这本书涵盖了GA的其中一个章节。该书被引用为“Ahmed Fawzy Gad‘使用CNNs深度学习的实用计算机视觉应用’”，2018年12月，Apress，978-1-4842-4167-7，可在以下网址获得。同样在这里。

这是一个非常模糊/基于观点的问题，我已经标记为结束。但是为了给你指明一条路，你可以继续谷歌搜索——遗传算法要求你拥有某种基因的表示，你可以变异，这也表达了你所需要的数据结构。例如，您可以使用浮动列表作为“基因”，并将其转换为节点的权重。你如何突变，多久发生一次等都是你需要确定的。重要的是，基因的一个小突变只会对行为产生一个小的改变（至少在一般情况下是如此）。@Jul_DW ANN训练很耗时。如果你想拥有一个高效的电脑对手，想想其他的人工智能选择。