在我看来，这一切都归结为博弈论，可以说它构成了成功决策的基础，并且在计算等所有参数都可以定义的环境中特别有用。（遇到麻烦的地方是每个组合爆炸的参数的总体复杂性，尽管机器学习最近已被验证为一种特别是在游戏环境中管理难处理性的方法。）

您可能想查看使用遗传算法和进化博弈论玩游戏。

是的，进化算法（EA）也可以用来解决/玩游戏。例如，OpenAI 使用进化策略（使用固定长度实值向量和自适应突变率的 EA 子集）来玩 Atari 游戏。在这篇博文中，他们写道

我们发现，进化策略 (ES) 是一种已广为人知的优化技术，它在现代 RL 基准（例如 Atari/MuJoCo）上与标准强化学习 (RL) 技术的性能相媲美，同时克服了 RL 的许多不便。

还有相关论文Evolution Strategies as a Scalable Alternative to Reinforcement Learning (2017) 和代码。