我是机器学习初学者.我想通过教电脑玩跳棋来学习基础知识.实际上,我想要学习的游戏是Domineering和Hex.我选择的语言是Python
这些游戏很容易存储,规则比国际象棋简单得多,但玩的人不多.如果我可以将这个想法发现,那么试验Combinatorial Game Theory以查看计算机是否能找到最佳动作将会非常棒.
我从IBM的一个人那里发现了这张关于1960’s的跳棋的旧文章.最初我问过neural networks,但他们说这是错误的工具.
编辑：可能是机器学习不是正确的策略.在那种情况下,出了什么问题？什么是更好的方式？
最佳答案
您可能需要查看以下内容：Chinook,Upper Confidence Trees,强化学习和Alpha-Beta修剪.我个人喜欢将Alpha-Beta Pruning和Upper Confidence Trees(UCT)结合起来,用于完美的信息游戏,每个玩家的合理动作少于10次.您可以使用时间差异学习来创建位置评估功能.游戏AI可能是学习机器学习最有趣的方式.
有关所有这些主题的链接,请单击
http://artent.net/blog/2012/09/26/checkers-and-machine-learning/
(我无法包含更多链接,因为堆栈溢出软件认为我是新手！)
