artificial-intelligence - 如何为国际象棋编写神经网络？

Question

我想编写一个国际象棋引擎来学习如何走好棋并战胜其他玩家。我已经编码了棋盘的表示和输出所有可能移动的函数。所以我只需要一个评估函数来说明董事会的给定情况有多好。因此，我想使用人工神经网络来评估给定的位置。输出应该是一个数值。该值越高，白人玩家的位置就越好。

我的方法是建立一个由 385 个神经元组成的网络:棋盘上有 6 个独特的棋子和 64 个区域。因此，对于每个字段，我们取 6 个神经元(每个部分 1 个)。如果有白块，则输入值为1。如果有黑块，则输入值为-1。如果该场上没有这种类型的棋子，则值为 0。除此之外，还应该有 1 个神经元供玩家移动。如果轮到白方，则输入值为 1，如果轮到黑方，则输入值为 -1。

我认为神经网络的配置非常好。但是缺少主要部分:如何将这个神经网络实现为编码语言(例如 Delphi)？我认为每个神经元的权重一开始应该是一样的。根据比赛的结果，然后应该调整权重。但是如何？我想我应该让 2 个电脑玩家(都使用我的引擎)互相比赛。如果白棋赢了，黑棋会得到反馈说它的权重不好。

因此，如果您能帮我将神经网络实现为一种编码语言(最好是 Delphi，否则是伪代码)，那就太好了。提前致谢!

Answer 1

去过也做过。由于您的问题没有连续性(一个位置的值与另一个位置的关系并不密切，一个输入的值仅发生 1 次变化)，因此 NN 工作的可能性很小。它在我的实验中从未发生过。

我宁愿看到一个模拟退火系统，它带有一个特别的启发式(其中有很多)来评估位置的值(value)......

但是，如果您打算使用 NN，则表示相对容易。一般的神经网络只是一个图，每个节点都是一个神经元。每个神经元都有一个当前激活值和一个转换公式，用于根据输入值计算下一个激活值，即与它有链接的所有节点的激活值。

一个更经典的 NN，即具有一个输入层、一个输出层、每层相同的神经元，并且没有时间依赖性，因此可以由输入节点数组、输出节点数组和连接这些的节点。每个节点都拥有一个当前的激活值，以及它转发到的节点列表。计算输出值只是将输入神经元的激活值设置为输入值，然后依次迭代每个后续层，使用转换公式计算前一层的激活值。当您到达最后一个(输出)层时，您就有了结果。