Entrée
Un jour ordinaire, je naviguais sur Internet, ils l'ont soudainement éteint. Se souvenir de l'ancien œuf de Pâques de Google, à savoir du dinosaure en cours d'exécution sur la page d'erreur. En étudiant l'apprentissage automatique et en me souvenant du projet Mari / O, j'ai décidé de faire quelque chose de similaire, je voulais que le réseau neuronal artificiel apprenne à jouer à Dinosaur au niveau d'une vraie personne.
Pour atteindre cet objectif, il a été décidé d'utiliser des algorithmes génétiques, c'est-à-dire de faire évoluer les dinosaures.
Algorithme génétique
Alors, quel est cet algorithme génétique?
Un algorithme génétique est un algorithme de recherche utilisé pour résoudre des problèmes d'optimisation et de modélisation en sélectionnant, combinant et variant au hasard les paramètres souhaités en utilisant des mécanismes similaires à la sélection naturelle dans la nature. Il s'agit d'un type de calcul évolutif qui résout les problèmes d'optimisation à l'aide de méthodes d'évolution naturelle, telles que l'hérédité, les mutations, la sélection et le croisement. Une caractéristique distinctive de l'algorithme génétique est l'accent mis sur l'utilisation de l'opérateur de «croisement», qui effectue l'opération de recombinaison des solutions candidates, dont le rôle est similaire à celui du croisement dans la faune.
Développement
Le principe de fonctionnement de notre programme (comme nous l'avons déjà dit) est basé sur l'
apprentissage machine
avec renforcement . Je vais essayer de décrire le principe du travail en quelques mots:
À chaque génération, plusieurs des meilleurs représentants sont sélectionnés. Sur la base d'eux, un nouveau est créé. Sur la base des différents «poids» des connexions neuronales et des informations d'entrée (distance à l'obstacle et sa hauteur), une décision est prise concernant l'action d'un représentant particulier de l'espèce.
J'espère que tout est clair.
Conclusion
En conséquence, notre «modèle génétique» a atteint 332 000 points en 219 générations.
Il est possible d'obtenir d'excellents résultats.
Mais il reste encore beaucoup à faire.
PS: Merci d'avoir lu! Au fait, nous voulions montrer en direct le processus d'apprentissage d'un neurone. Vous pouvez le voir
ici .
Upd. Pendant ce temps, le programme a marqué 942 mille points.