首先说明：这不是一个关于如何编写一个程序来玩五子棋的问题。我早就做过了。
介绍性说明
我做了一个五子棋游戏框架，用于实验性地改进 AI (哎呀，听起来太自命不凡了)。与大多数回合制游戏一样，最佳走法是通过为每个可能的走法分配一个分数来决定的，然后选择分数最高的走法。为走法（一个格子）分配分数的函数大致如下：
-
如果格子已经有棋子了，则分数为 0，因为在该格子中放置新棋子是不合法的。
-
每个格子最多可能成为 20 条不同获胜行的一部分（5 条水平，5 条垂直，10 条对角线）。格子的分数是这些行的分数之和。
-
一行的分数取决于该行中已有的友方和敌方棋子的数量。例如：
- 一条有四个友方棋子的行应该有无限的分数，因为如果你在那里放置一个棋子，你就会赢得比赛。
- 一条有四个敌方棋子的行应该有非常高的分数，因为如果你不在那里放置一个棋子，对手将在他的下一回合获胜。
- 一条既有友方棋子又有敌方棋子的行将得分为 0，因为这一行永远不可能成为获胜行的一部分。
鉴于此算法，我声明了一个名为 TBrain 的类型：
type
TBrain = array[cFriendly..cEnemy , 0..4] of integer;
数组中的值表示一行中包含 N 个友方棋子和 0 个敌方棋子，或 0 个友方棋子和 N 个敌方棋子的分数。如果一行中有 5 个棋子，则没有分数，因为该行已满。
实际上很容易确定数组中应该有哪些值。 Brain[0,4] (四个友方棋子) 应该是 “无限大”，我们将其称为 1.000.000。vBrain[1,4] 应该非常高，但不能高到使大脑更喜欢阻止多个敌人的胜利，而不是自己获胜。
考虑以下（不太可能）的棋盘：
0123456789
+----------
0|1...1...12
1|.1..1..1.2
2|..1.1.1..2
3|...111...2
4|1111.1111.
5|...111....
6|..1.1.1...
7|.1..1..1..
8|1...1...1.
玩家 2 应该将他的棋子放在 (9,4) 处，赢得比赛，而不是放在 (4,4) 处，即使他会阻止玩家 1 的 8 条潜在获胜行。因此，vBrain[1,4] 应该是 (vBrain[0,4]/8)-1。像这样工作，我们可以找到 “大脑” 的最佳值，但再说一遍，这不是我感兴趣的。我想要一种算法来找到最佳值。
我实现了这个框架，使其完全是确定性的。没有将随机值添加到分数中，如果多个格子具有相同的分数，则将选择最上面的左边的格子。
实际问题
介绍就到此为止，现在进入有趣的部分（至少对我而言）
我有两个 “大脑”，vBrain1 和 vBrain2。我应该如何迭代地使它们变得更好？我设想如下：
- 使用随机值初始化 vBrain1 和 vBrain2。
- 模拟它们之间的一场游戏。
- 将获胜者的值分配给失败者，然后随机稍微更改其中一个值。
这似乎行不通。大脑并没有变得更聪明。为什么？
分数方法是否应该向结果添加一些小的随机值，以便两个大脑之间的两次游戏有所不同？每次迭代的值应该更改多少？应该如何初始化 “大脑”？使用常数值？使用随机值？
此外，这与 AI 或遗传算法有任何关系吗？
PS：这个问题与五子棋无关。这只是我选择的一个东西，因为我可以声明一个非常简单的 “大脑” 来进行实验。
回答：
一般来说，是的，您可以使用遗传算法技术使大脑更聪明。
随机性或变异在遗传编程中起着重要作用。
我喜欢这个教程，Genetic Algorithms: Cool Name & Damn Simple。
（它使用 Python 作为示例，但理解起来并不困难）
