> For the complete documentation index, see [llms.txt](https://hujian.gitbook.io/deep-reinforcement-learning/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://hujian.gitbook.io/deep-reinforcement-learning/fang-fa/kai-fang-de-tiao-zhan/chuang-zao-xin-de-you-xi.md).

# 创造新的游戏

DL可能提供一种创建完全新游戏的方法。今天的大多数游戏设计都起源于没有先进的人工智能方法或者硬件被限制使用它们的时代，这意味着游戏被设计成不需要人工智能。设计新的around AI的游戏可以帮助打破这些限制。虽然进化算法和神经进化允许创造全新类型的游戏，但基于梯度下降的DL尚未在此背景下进行探索。Neuroevolution是游戏中的核心机制，如NERO，Galactic Arms Race，Petalz和EvoCommander 。基于梯度的优化的一个挑战是结构通常限于具有数学平滑性（即可微分性），使其具有挑战性以创造有趣和意外的输出。