教程:如何使用神经网络+遗传算法玩转Flappy Bird

教程:如何使用神经网络+遗传算法玩转Flappy Bird这不妨碍各路AI大触用这款游戏练手。比方说今天这个HTML5教程,就是教你使用神经网络+遗传算法,搭建一个玩转小鸟的AI。

大家好,欢迎来到IT知识分享网。

教程:如何使用神经网络+遗传算法玩转Flappy Bird

问耕 编译整理

量子位 出品 | 公众号 QbitAI

震惊!《Flappy Bird》火了这么多年,竟然没有中文名字。

没事。这不妨碍各路AI大触用这款游戏练手。比方说今天这个HTML5教程,就是教你使用神经网络+遗传算法,搭建一个玩转小鸟的AI。

提前说一下,教程最后有这个AI的代码下载。所有的代码都是使用Phaser框架使用HTML5完成的。另外,神经网络使用了突触神经网络(Synaptic Neural Network)库,而不是从零开始搭建。

Demo

教程:如何使用神经网络+遗传算法玩转Flappy Bird

上面是Demo演示的截图,访问下面这个网址,能够看到这套算法的实际效果。

http://www.askforgametask.com/html5/tutorials/flappy/

算法

这套系统的算法,主要是基于NeuroEvolution(神经进化)。这种机器学习方法,使用遗传算法(GA)等进化方法来训练人工神经网络(ANN)。

也就是说,这个例子中的机器学习=遗传算法+神经网络

人工神经网络

人工神经网络是机器学习算法的一个子集,它受到生物神经网络结构和功能的启发,这些网络是由很多彼此发送信号的神经元组成。

一个神经网络由输入层,一个或多个隐藏层,以及输出层组成。每层都有一些神经元,输入和输出层的神经元直接与外部环境相连。

在这个项目中,每个智能体(也就是小鸟)都有自己的神经网络作为闯关的AI大脑。这些大脑由三层组成,结构如下:

  1. 一个输入层,两个神经元,代表小鸟到豁口的水平距离和垂直距离

  2. 一个隐藏层,六个神经元

  3. 一个输出层,一个神经元,执行如下动作:如果输出>0.5就飞一下

上述文字,也可以用下面这张图表示:

教程:如何使用神经网络+遗传算法玩转Flappy Bird

遗传算法

我们在这里使用遗传算法,来训练和改进神经网络。

遗传算法顾名思义,是一种借鉴了自然选择和遗传过程的基于搜索的优化技术。这种算法使用相同的选择、组合交叉和变异的组合,来进行初始的随机演化。

以下是我们遗传算法实现的主要步骤:

  1. 使用随机神经网络创建10个初始的小鸟(种群)

  2. 让小鸟使用他们自己的神经网络,同时起飞玩游戏

  3. 对于每个小鸟,计算适应度函数来衡量飞行质量

  4. 当所有小鸟死亡时,使用遗传算子把当前种群评估到下一代

  5. 重复步骤2

适应度函数

对于上面的第3步,我们深入谈一下适应度函数的细节,以及如何定义。

由于我们想要使用最好的个体(小鸟)来进化种群,所以需要定义一个适应度函数。

一般来说,适应度函数用来衡量对象的质量。我们队每一只小鸟都进行测量,并从中选择合适的个体,用以生成下一代种群。

在这个项目中,我们按照小鸟的飞行距离给予奖励。另外,我们会根据小鸟和下一个豁口的距离给予惩罚。按照这种方式,就可以区别哪些飞行了同样距离的小鸟。

教程:如何使用神经网络+遗传算法玩转Flappy Bird

替代策略

对于上面第4步中遗传算法,下面是实现的步骤。基本上,最好的小鸟个体会生存下来,它们的后代会取代表现最差的那些。

  1. 现有种群的个体按照适应度进行排序

  2. 选择前四名给予奖励,直接把它们传给下一代种群

  3. 排名最高的两个个体,进行交叉组合,生成一个后代

  4. 前四名中随机选择两个个体,交叉组合产生三个后代

  5. 前四名中随机选择两个个体,生成两个直接复制的后代

  6. 对于每个后代,施加一些随机变异

代码

上述代码,可以访问如下地址获取:

https://github.com/ssusnic/Machine-Learning-Flappy-Bird

结论

在这个教程中,我们成功的让AI学会玩Flappy Bird这个游戏。在几次迭代之后,我们可以得到一个几乎无敌的小鸟。为了实现这一目标,我们采用了两种机器学习算法:人工神经网络+遗传算法。

如果你对这个项目感兴趣,未来可以尝试改变代码中的一些参数,看看会发生什么。例如,可以改变隐藏层中的神经元数量或者每一代种群的个体数量。当然还可以对适应度函数进行修改,比方加入障碍物之间的距离、重力等等因素。

以及,你可以尝试把类似的理念应用到其他游戏中去!

祝好运~

— 完 —

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI

վ’ᴗ’ ի 追踪AI技术和产品新动态

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/54235.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信