我最近开始了一个非常雄心勃勃的项目，我不得不说它比我预期的要好得多，我成功地从头开始编写了一个神经网络，可以在非常可接受的水平下玩跳棋。

虽然我有一个问题阻止我拥有更强大的 AI，我想有些人会称之为过度拟合，我不确定这个术语在这种情况下是否正确。

主要问题是，经过一定数量的世代后，权重变得如此之大，以至于董事会状态的最小变化都会极大地改变对它的评估，从而有效地限制了任何类型的细微分析。

更多信息：

神经网络结构：

输入层是一系列独立的层，它们将电路板的一部分作为输入（1、0.5、-0.5 和 -1 是从电路板上获取的输入）。

我使用了 2 个隐藏层，每个隐藏层大约 30 个和 10 个节点，输出节点是对板的评估。

遗传算法

随机生成 30 个神经网络，权重从 -0.2 到 0.2，它们与随机对手进行 20 场比赛，并据此对它们进行评分（-2 分表示失败，-1 表示平局 [120 步没有赢家]，1 分表示失败）一场胜利）。

保留 15 个最好的并将其复制/粘贴到 15 个最差的之上，然后使用以下等式对新网络的每个权重进行变异：

$m' = m * e^{r*0.9}$

$w' = w * m' * r$

在哪里$m$是从 0.05 开始的特定权重的突变参数，$r$是一个随机标准高斯数，并且$w$是重量。

我希望这里有人可以帮助我弄清楚如何防止重量在 40 代左右后失控。