Ham*_*aya 7 language-agnostic algorithm artificial-intelligence
我知道这个问题的标题有点模糊,但在这里承担问题,每次我为游戏编写游戏或机器人时都使用状态机,决策树或行为树.这些技术的问题在于,它们要求我预先设定角色/机器人将要遇到的所有条件,以便在用户做出意想不到的事情时,我没有为他们输掉一个条件.
现在我正在寻找一个星际机器人(bwapi),使用状态机,我正在考虑为每个单元使用一个状态机,一个主要命令焊接器做什么,但它仍然需要我预先编程和游戏像星际争霸这是不可能的,我能想到的唯一可以让它学习的方法就是使用gp来改进这些状态机.
如果20名海军陆战队员试图通过大桥同时会有很大的交通拥堵,我可以使用哪种技术以便它可以从错误中吸取教训？所以我不必预先编程说明逐个通过桥的条件.
编辑:只是因为一个问题有星球或机器人的话,它不会自动使它成为非问题这个问题也适用于机器人.
要获得任何地方,您首先需要为您的机器人定义适合度的经验测量.它必须比"大堵车"更清晰.
你是如何衡量的？
什么赢了？您的机器人是否"获胜"是否有数字指标？首先解决这个问题,然后当你有一个真实的方法将一个机器人与任何其他机器人进行评级时,将其作为GP算法的适应度函数插入.