然后游戏规定:吃到豆子得10分，移动位置分数不变，执行吃豆的动作，但是格子里没有豆子，减1分，撞墙了减5分。限制吃豆人总共能做200次动作。理论上最高得分就是在不扣分的情况下把豆子全部吃掉，有50个豆子，最高得分就是500分。

吃豆人能观察到的，是前后左右和自己所在格子的状态。所以一共是5个格，每个格子有三种状态，总的状态数就是3的5次方，就是243种状态，然后再除去一些地图中不存在的状态；如三面是墙，左右是墙，最后共剩下128种状态。

那么在这个游戏中，我们怎样才能获得最高分呢？

如果采取最传统的方法，就是每种状态都试试，用穷举法列出所有可能性，然后再进行对比，找出得分最高的一组策略模式。

但是，如果要采取这种传统方法，那么总共要涉及到7128种策略组合，如果把每个生成的策略组合都去试试看得分多少的话，把这些策略都执行完，至少需要159亿年，这和宇宙大爆炸到现在的时间几乎差不多。

所以这是个计算量远远超过全球算力加和的计算任务。所以想要通过穷举法去计算，这个问题是无解的；

那么能不能用神经网络的算法来进行计算呢？当然可以，但是问题和使用穷举法一样，算力需要远远大于全球算力。

另外，由于豆子的出现是随机的，每一局豆子出现的位置并不是固定的，所以他们之间的关系是非线性的。

而神经网络模型却很难处理这样的非线性问题。比如模型用历史数据学习了很久，终于发现了一些规律，然后新的游戏开局，模型用这些规律去玩游戏，但却发现新的游戏中，这些规律变了。过去学习总结出的规律，几乎派不上太多用场了。对于这种尴尬的问题，基于神经网络只能用概率的猜测进行决策。

而这样的效果往往并不是很理想，甚至在最开始的阶段，其概率比人为主观判断低了很多很多。

……

但是遗传进化算法可以从另一个思路解决这个问题。

这种算法直接从策略规则自身开始入手；比如人为的设计甚至是随机生成100个策略，让每种策略都进行1000场吃豆挑战赛。

每场比赛让吃豆人行动200次，在1000场挑战赛中，每场比赛的50个豆子都是随机撒下的。最后评估在这1000场挑战赛中，平均每走200步，得到的分数是多少；

根据得分的高低从200个策略里随机选出2个策略，得分越高被选中的概率越高。然后用所选中的2个策略，生成出一个新的策略，新的策略的每一列有一半概率使用第一个策略的对应列，一半概率使用第二个策略的对应列。在生成新策略的过程中，会有小概率产生策略的变异；

用这种优胜劣汰、自然选择的方法不断生成新策略；用新生成的策略进行比赛，再按照分数再生成下一代的策略；

把每条吃豆策略进行数学编码后，可以将这些策略看成基因一样，重组生成下一代的过程，其实就是编码的一部分相互交叉替代，就有点像染色体的分裂和组合。

第一代成绩较高的吃豆人，就有更高的几率留下后代，后代还遗传了上一代的策略。得分低的也有几率生成后代，只是没有得分高的概率高。在生成下一代的过程中，下一代的策略还有非常低的几率产生遗传变异，有的策略位会随机变成其他数。

这就是遗传算法的基本原理，直接对原始的随机策略进行编码，然后让特定区域的编码来回交叉迭代，产生新一代的策略，然后再继续进行编码的交叉与变异迭代……下一代遗传了上一代的优点，也变异出了新一代的特点……就这样一代一代的进行下去；直到获得最高的分数。

……

在这个游戏中，计算机大约进来了1000多次迭代的时候，游戏分数达到了497分，这离满分500分仅仅差了三分，而且之后的游戏中，计算机的得分几乎稳定在了493——497分的区间。

而作为对照组，很多数学家、计算机专家、游戏高手也在靠着自己的经验与逻辑去玩这个游戏，大约1000个玩游戏的高手与高智商的人类，每人玩了大约200局，最终最高得分为431分，而且仅有一次；人类的精英代表平均得分仅为351分。

……

计算机利用遗传算法得到的策略，是人类所不能比拟的。尤其是在非线性的复杂系统中，遗传算法最后执行的很多策略，人们怎么也看不懂，逻辑上完全无法理解。但就是这样看上去很诡异的策略，却在最终变成了神来之笔，在游戏终止后，人们才恍然大悟。

而且从计算机得分的轨迹来看，更加的平滑，更加的连续…而人类对照组在游戏中的得分轨迹，则呈现出明显的波动性与随机性。

这个就是用计算机来模拟进化过程的研究，它逐渐掀起了进化论的主流观点的改变，这种遗传算法将突变式的进化用计算机模拟出来了。