Rust 调整参数以优化无CNN的分数

我试图在Rust中创建一个代理，它使用评分函数来确定2D统一成本网格上的最佳移动。游戏的细节不是很相关，除了知道每个回合你可以选择4个动作（上、下、左或右）中的一个，并且你要与在同一个棋盘上玩的其他AI竞争。目前，人工智能通过几种不同的简单算法，如使用A*来寻找敌人或食物，来“分支”未来可能的路径。在未来的模拟运行时，将保存一些特征，包括我们在该分支上杀死的敌人数量、我们吃的食物量以及未来分支在我们死亡之前持续的时间

一旦我们准备好采取行动，我们会给每个未来预测分支打分，并朝着平均得分最高的方向前进。这个分数本质上是前面提到的每个特征乘以一个常数的总和。例如，分数可能是

30*吃的食物数量+100*杀死的敌人数量

。然而，数字30和100几乎是通过实验随机选择的。如果蛇是因为不吃食物而死亡的，那么我会增加吃食物的分数乘数。然而，有10种不同的特征，每种特征都有各自的权重。手动找出它们之间的关系既耗时又不容易收敛到最优策略

---

我的问题就在这里。我想找到一种方法，通过类似Q学习的过程来“训练”AI的价值观。当你赢或输的时候，有一个非常明显的终端条件，这对你很有帮助。我目前的想法是创建一个包含每个参数100个可能值的表，然后用每个组合玩100个游戏并记录获胜率。但是，这需要

（1000选择10）*100个
游戏或
2.6E25
游戏。似乎应该有一种聪明的方法来消除不良组合，使用某种形式的损失最小化。如果有人建议在没有神经网络的情况下调整这些参数，我们将不胜感激。
任何一种优化算法都应该有效：梯度下降法、单纯形法……谢谢@Jmb的回复。我的问题是，我不知道如何将线性回归应用于我的情况。我假设我会在整场比赛中使用相同的得分函数，然后根据我赢了还是输了那场比赛来调整数值。但是，我的从属变量是什么，函数创建的分数或我在比赛中获胜或失败时分配的值？由于我没有标记的数据集，我不知道每次回合后评分函数的损失是什么。我衡量成功的唯一标准是我赢了还是输了那场比赛。任何一种优化算法都应该有效：梯度下降、单纯形……谢谢@Jmb的回复。我的问题是，我不知道如何将线性回归应用于我的情况。我假设我会在整场比赛中使用相同的得分函数，然后根据我赢了还是输了那场比赛来调整数值。但是，我的从属变量是什么，函数创建的分数或我在比赛中获胜或失败时分配的值？由于我没有标记的数据集，我不知道每次回合后评分函数的损失是什么。我衡量成功的唯一标准是我是否赢了那场比赛。