Das war meine Frage vorhin: Bist du dir mit dem "beliebig nahe herankommen" (innerhalb von realistischer Zeit) wirklich sicher? Kann man das beweisen? Oder bleibt deine Heuristik irgendwann in einem lokalen Optimum hängen?
Schau dir mal den Kalman Filter an. Der braucht nur ein beliebiges Vorwärtsmodell - und eine passende Parametrisierung.
Aber ja: Es bräuchte eine große Tafel, und ich würde wohl mit copy-paste arbeiten… Was die inversen Algorithmen angeht, bin ich Anwender, nicht Entwickler. Ich vergleiche als ersten Teil der Doktorarbeit die Leistung eines Kalman Filters mit einem 4D-Variations-Algorithmus - für die Berechnung von CO₂-Emissionen aus Stationsmessungen mit einem Transportmodell. Als Übersetzung: Stationsmessung = Ergebnis nach X Runden. Transportmodell = Anwendungen der Regeln, um ein Ergebnis zu finden. Emissionen = Entscheidungskriterien (z.B. wen greife ich an und wie).
4DVar braucht adjungierte Algorithmen (bei Schaden nach X Runden rückwärts rechnen können, woher der kam). Ein Kalman Filter braucht das nicht.
(ist mit Sicherheit nicht die effizienteste Lösung und hat auch ein paar Schwächen, ist aber ein sehr vielseitiger Hammer… und wenn der Hammer funktioniert, ist nachgewiesen, dass ein passender Schraubenzieher mindestens das gleiche könnte)
Sehr simple Idee für eine Implementierung: Entscheidungskriterien: Jeder Charakter hat für jeden (möglicheh) Zug und jeden Gegner eine Zahl für jede Fähigkeit, die angibt, wie gerne er sie nutzen will. Die Fähigkeit mit der höchsten Zahl wird genutzt. jetzt können wir die Zahlen variieren, um die Entscheidung des Charakters anzugeben. Der Ensemble Kalman Filter lässt nun das Modell ein paar hundert mal mit zufälligen Abweichungen von der Zahlen für SCs laufen und findet mit den Abweichungen des Ergebnisses vom gewünschten Ergebnis (alle Gegner tot, Charaktere unverletzt) die ideale Anpassung der Entscheidungskriterien → Strategie für die SCs, um die Gegner zu besiegen. Diese Idee geht allerdings davon aus, dass die Strategie der NSCs bekannt ist. Geht sicher noch besser.