Eintrag
Eines gewöhnlichen Tages, als ich im Internet surfte, schalteten sie es plötzlich aus. Erinnern wir uns an das alte Osterei von Google, nämlich an den laufenden Dinosaurier auf der Fehlerseite. Als ich maschinelles Lernen studierte und mich an das Mari / O-Projekt erinnerte, beschloss ich, etwas Ähnliches zu tun. Ich wollte, dass das künstliche neuronale Netzwerk lernt, wie man Dinosaurier auf einer realen Personenebene spielt.
Um dieses Ziel zu erreichen, wurde beschlossen, genetische Algorithmen zu verwenden, dh die Dinosaurier "zu entwickeln".
Genetischer Algorithmus
Was ist dieser genetische Algorithmus?
Ein genetischer Algorithmus ist ein Suchalgorithmus, der verwendet wird, um Optimierungs- und Modellierungsprobleme durch zufälliges Auswählen, Kombinieren und Variieren der gewünschten Parameter unter Verwendung von Mechanismen zu lösen, die der natürlichen Selektion in der Natur ähnlich sind. Es ist eine Art evolutionärer Berechnung, die Optimierungsprobleme mithilfe natürlicher Evolutionsmethoden wie Vererbung, Mutationen, Selektion und Überkreuzung löst. Eine Besonderheit des genetischen Algorithmus ist die Betonung der Verwendung des Operators "Kreuzung", der die Rekombination von Kandidatenlösungen ausführt, deren Rolle der Rolle der Kreuzung in Wildtieren ähnlich ist.
Entwicklung
Das Funktionsprinzip unseres Programms basiert (wie bereits gesagt) auf maschinellem
Lernen mit Verstärkung . Ich werde versuchen, das Prinzip der Arbeit in wenigen Worten zu beschreiben:
In jeder Generation werden mehrere der besten Vertreter ausgewählt. Basierend auf ihnen wird eine neue erstellt. Basierend auf den verschiedenen "Gewichten" neuronaler Verbindungen und Eingabeinformationen (Entfernung zum Hindernis und dessen Höhe) wird eine Entscheidung über die Wirkung eines bestimmten Vertreters der Art getroffen.
Ich hoffe alles ist klar.
Fazit
Infolgedessen erreichte unser "genetisches Modell" in 219 Generationen 332 Tausend Punkte.
Es besteht das Potenzial, großartige Ergebnisse zu erzielen.
Aber es gibt noch viel zu tun.
PS: Danke fürs Lesen! Übrigens wollten wir den Lernprozess eines Neurons live zeigen. Sie können es
hier sehen .
Upd. Inzwischen erzielte das Programm 942 Tausend Punkte.