我想编写一个国际象棋引擎，它可以学习下出好的棋步并击败其他玩家。我已经编写了棋盘的表示方法和一个输出所有可能走法的函数。所以我只需要一个评估函数，它能说出棋盘的给定情况有多好。因此，我想使用一个人工神经网络来评估给定的位置。输出应该是一个数值。数值越高，对白棋玩家越有利。

我的方法是构建一个由 385 个神经元组成的网络：有六种独特的棋子，棋盘上有 64 个格子。因此，对于每个格子，我们取 6 个神经元（每种棋子 1 个）。如果有一个白棋棋子，则输入值为 1。如果有一个黑棋棋子，则值为 -1。如果该格子上没有该种棋子，则值为 0。此外，应该有 1 个神经元代表轮到哪个玩家走棋。如果是白棋的回合，输入值为 1，如果是黑棋的回合，则值为 -1。

我认为神经网络的配置相当不错。但主要部分缺失了：如何将这个神经网络实现到一种编程语言中（例如 Delphi）？我认为每个神经元的权重在开始时应该是相同的。根据比赛的结果，然后应该调整权重。但是如何调整呢？我认为我应该让 2 个电脑玩家（都使用我的引擎）相互对战。如果白棋获胜，黑棋会得到反馈，表明它的权重不好。

因此，如果您能帮助我将神经网络实现到一种编程语言中（最好是 Delphi，否则是伪代码），那就太好了。提前感谢！

回答：

我经历过，也做过。由于你的问题中不存在连续性（一个位置的值与另一个位置的值没有紧密的关联，只有一个输入的价值发生了变化），神经网络几乎不可能工作。而且在我的实验中也从未成功过。

我更倾向于使用模拟退火系统，其中包含一个特别的启发式算法（有很多这样的算法）来评估位置的价值……

但是，如果你决心使用神经网络，那么表示起来相对容易。一个通用的神经网络就是一个简单的图，每个节点都是一个神经元。每个神经元都有一个当前的激活值，和一个转换公式来计算下一个激活值，基于输入值，即所有与该节点有连接的节点的激活值。

更经典的神经网络，即带有输入层、输出层、每层具有相同神经元且没有时间依赖性的神经网络，可以用输入节点数组、输出节点数组以及连接这些节点的链接图来表示。每个节点都拥有一个当前的激活值和一个它转发到的节点列表。计算输出值很简单，就是将输入神经元的激活设置为输入值，然后依次遍历每个后续层，使用转换公式从前一层计算激活值。当你到达最后一层（输出层）时，你就得到了你的结果。