目前自己做了个捕熊陷阱的demo,作用是总结了一套基本架构出来.证明兵棋AI能够使用深度学习来实现.接下来具体展开谈谈.
1:架构方面
目前开发了一套伸缩性较强的最基本的架构出来,后面的目标则是一边使用一边开发新架构,尽可能的让非程序员也能使用这套架构开发兵棋,所以接下来的开发工作需要设计者深度参与,学习游戏引擎的基本使用(只要会改改数值,切切图啥的,不需要写代码).
2,AI
2.1:可行性
游戏AI用的是多智能体强化学习的一种算法:MA2C,目前测试出来的结果就是会进攻,站点,防守.基本上会玩,后面再改进一下还能提升能力.目前有个问题就是,捕熊陷阱的美军规则设定前三个回合防守,后三个回合撤退,也就是目标会发生变化,导致训练效果不好,这点后面再想办法改进.总之,目前证明小棋使用深度学习是没问题.
2.2:性能
现在我是用的是第三方的深度学习库,这个我准备后面自己写个简单的库出来,进行一定程度的优化,主要是优化包体大小,第三方库打包完了几百M,太大了.
最后是钱的问题,刚起步,肯定搞不了几个钱- -,想赚钱的话,是个长期工作…
总的来说,程序是没问题,就看有没有佬来帮忙设计了,速来 
感觉问题是战斗频率该怎么设置,变量很多.
不好意思,不久前瞎设置的,你私聊发QQ给我吧
但是我还没弄明白具体咋搞，只是在vassal新建模组后按着自己学到的玩到的一些规则加上自己的愚见加点自己做的算子，加点卡牌池和地图做个简单的桌游这样子，我知道有的模组甚至可以自动计算推演数据，真的很牛（这么看我属于美工不属于做了兵棋。。。）