컴퓨터 체스 등에서 보드 형세를 평가하기 위해 소개되었던 위치 평가 함수는 컴퓨터 게임의 인공지능 캐릭터의 전술적 행동을 결정하는 기반 요소로 이용될 수 있다. 위치 평가 함수는 여러 특성들의 가중치 합으로 정의되는데 특성의 중요도를 적절히 반영하도록 가중치를 정하는 것이 중요하다. 본 논문에서는 감독학습 방법을 이용하여 위치 평가 함수의 가중치를 학습한다. 가중치 학습은 현재의 가중치로 계산된 출력과 목표값의 차를 최소화하는 단층 퍼셉트론의 학습 규칙을 응용하고 이 갱신 방법의 수렴에 대해 증명한다. 시뮬레이션에서는 학습에 의해 가중치가 자동적으로 설계자의 의도에 맞게 수정됨을 보여 줄 뿐 아니라 학습된 위치 평가 함수를 전술 요소를 반영한 경로찾기에 응용할 수 있음을 보여준다.