所以我被赋予了使用遗传算法编写5x5x5井字游戏的问题 . 我的方法是从3x3开始，使其工作，然后扩展到5x5，然后扩展到5x5x5 .
它的工作方式是这样的：
-
模拟一大堆游戏，并在每个游戏的每个回合中，在相应的表（X表或O表实现为c stdlib映射）中查找响应 . 如果电路板不在那里，请将电路板添加到表中 . 否则，进行随机响应 .
-
我有完整的表后，我初始化了一堆玩家（每个玩家都有一个董事会表的副本，用随机响应进行初始化），然后让他们互相对抗 .
-
使用他们的胜利/损失来评估 Health 状况，我保持一定的最佳百分比，然后他们继续前进 . 冲洗并重复X代，最佳玩家应该出现 .
对于3x3，折扣板是其他板的反射/旋转，以及移动要么“取胜”或“阻止赢”的板，我遇到的板总数是53或38，取决于是否你去第一或第二 . 太棒了！在一小时内生成了最佳玩家 . 很酷！
使用相同的5x5策略，我知道表的大小会增加，但没有意识到它会大幅增加 . 即使折扣旋转/反射和强制移动，我的表格约为360万条，看不到尽头 .
好的，所以's clearly not going to work, I need a new plan. What if I don' t列举了所有的电路板，但只是一些电路板 . 好吧，看起来这也不会起作用，因为如果每个玩家只有一小部分他们可能看到的可能的板，那么他们将会做出很多随机动作，明显转向最优化的相反方向 .
实现这一目标的现实方法是什么？我会不会使用电路板功能？目标是尽可能少地编写游戏功能 .
我一直在做研究，但我读到的所有内容都会导致min / max A-B修剪成为唯一可行的选择 . 我当然可以这样做，但GA真的很酷，我现在的方法只是在这里超过现实 .
编辑问题已经解决了：
使用结合了开放空间的汉明距离，可能的胜利条件以及一些其他措施的相似性函数，使得表格降低到可管理的2500种可能性，这可以在几分之一秒内处理 .
1 回答
我对GA的了解非常有限，但在建模板配置中，你不是在问错了吗？您的任务不是枚举所有可能的获胜配置 - 您要做的是找到导致获胜配置的一系列移动 . 也许您应该关注的人群不是一组板块，而是一组移动序列 .
Edit: 在3x3电路板上我显然没有明显的移动以（1,1）开始的序列最适合X.重要的是，X先放在中间位置 . 如果还有's one or more best first moves for X, maybe there'也是X的最佳第二，第三或第四招？经过几轮健身测试和重新组合后，我们会发现X的第二步通常是相同的，还是一小部分值？那第三步呢？
这不是极小极大，因为你不是根据董事会的先前状态一次一个地寻找最佳动作，你同时寻找所有最好的动作，希望能够收敛于一个成功的策略 .
我知道这并没有解决你的问题，但如果想要发展一个成功的策略，那么你想看看一系列动作而不是董事会状态似乎很自然 .