本文探讨了如何利用遗传算法和强化学习中的Q学习来发展足球进攻战术。作者通过模拟游戏并更新Q值，训练模型以选择最佳的进攻策略。尽管结果有趣，但模型未考虑防守方的适应性。文章提出，通过防守者人数来分类防守策略，并建立一个类似的（进攻）2vec模型来预测比赛结果，以进一步优化战术决策。
足球ai
最近，我决定重新审视我在2013年开发的应用程序Football-o-Genetics ，该应用程序旨在“发展”近乎最佳的足球进攻性比赛战术。 该应用程序使用了来自人工智能 （特别是遗传算法 ）和高级统计数据（以进攻驱动力的马尔可夫模型的形式）的逐次播放数据和想法，以实现其目标。 在退出进化生物学博士学位课程后不久，我开发了Football-o-Genetics，因此选择遗传算法（我在Russell和Norvig的经典《 人工智能》教科书中首次遇到）作为我的优化算法可能就不足为奇了。选择。
差不多四年后，我对AI的所有知识都比当时更加广泛和深入。现在，对我来说很清楚，其他强化学习方法更适合于此特定问题。 我认为试一试其他强化学习方法中的一种很有趣。 具体来说，我选择了Q学习 ，这是一种用于学习“最佳行动选择[策略]”的技术。 即&#x
最低0.47元/天 解锁文章
扫一扫
2042
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
