链接
Cocos商城：Cocos Store
体验地址：Cocos Creator | zqjy
简介
一款结合神经网络和遗传算法的AI训练小游戏，玩家将体验人工智能的训练过程，通过进化算法与神经网络的结合，让AI不断学习、进化，并在游戏中与其他AI对抗。
游戏规则
- 随着时间推移每个个体会逐渐掉血，血量归零则会生出新的个体。
- 吃食物可以恢复一定血量。
- 击杀其他个体，可以把其他个体的血量加到自己身上
训练结果示例
-
一开始没经过训练，个体都不懂得抢食物，只会乱走
-
在禁止攻击其他个体的时候，个体会逐渐增加抢食物能力和存活能力，如：速度变快、个体变大、血量变多、吃食物恢复能力变强等
-
在允许攻击其他个体的时候，种群的行为会变得不稳定。
-
在攻击行为多的时候，个体就减少移动速度，减少个体大小，从而降低中弹几率
-
在攻击行为不多的时候，个体属性将随着环境的变化而变化
神经网络实现
- 分输入层、隐藏层、输出层，隐藏层可以设置多个节点，但是只实现一层。
- 一个个体属性对应一个神经网络。
- 例如方向预测神经网络：
//初始化
if (this.moveDirNeuralNetworkCom == null)
this.moveDirNeuralNetworkCom = this.node.addComponent(NeuralNetworkCom);
this.moveDirNeuralNetworkCom.init(2, 10, 2);//目标方向->该个体移动方向
//预测移动方向
input = [dir.x, dir.y]//目标方向
let output = this.moveDirNeuralNetworkCom.forward(input)//通过神经网络计算出结果
this.dir.set(output[0], output[1], 0);
this.dir = this.dir.normalize()//最终个体应该往哪个方向走
- 通过神经网络的各个权重计算出结果，因此个体的是否优秀，实际就是神经网络的各个权重是否准确
遗传算法
- 要产生优秀的个体，需要优秀的基因（也就是优秀神经网络的权重），因此需要通过遗传算法来筛选优秀个体。
- 遗传算法主要分选择、交叉、变异。
- 选择：也就是挑选优秀个体作为祖先繁衍新个体。这个示例中是使用存活时间长的个体，随机挑选两个作为祖先繁衍新个体。
- 交叉：双亲样本的部分染色体互换。这个示例直接用双亲基因交叉组成新个体基因（也就是双亲的神经网络权重交叉组成新基因）。
- 变异：就是基因突变。在交叉组成新个体基因的时候，设置1%的突变率，随机一个新基因（新权重）。
//遗传算法
let lst = []
for (let i = 0; i < lst1.length; i++) {
if (RandomUtils.randomNum(0, 100) <= this.changeRate) {
lst.push(RandomUtils.randomData())
} else if (RandomUtils.randomBool()) {
lst.push(RandomUtils.getPrecision(lst1[i]))
} else {
lst.push(RandomUtils.getPrecision(lst2[i]))
}
}
神经网络+遗传算法
- 神经网络的作用是预测结果作为状态数据控制个体行为，但是要做出准确的预测就需要准确的权重。
- 遗传算法的作用是通过筛选优秀个体，不断筛选出优秀的权重，从而能获取更准确预测的神经网络。
- 优点：算法简单，适用性强，找到影响结果的输入值即可。
- 缺点：通过遗传算法筛选优秀个体耗时长，并且难以筛选出最优秀的个体（一般只能选出当前环境较优的个体），并且筛选时间可长可短。
应用
- 玩家间的AI决斗：训练出来的优秀个体，只需要保存下它的神经网络权重，后续直接读取记录值用于预测即可。
- 游戏的强力AI训练：要融入自己的游戏，就要找好自己游戏的输入变量、输出变量。输入变量一般是个体自己的状态、以及环境和敌人状态。输出变量一般是个体自己的状态与操作。
- 行为分析：用于模拟一些环境中个体行为并对行为结果分析。
联系作者
- 微信号：devzhl
- 微信群
plus