参赛作品
有一天，我正在浏览Internet，突然他们将其关闭。 记住有关Google的旧复活节彩蛋，即有关错误页面上正在运行的恐龙的信息。 学习机器学习并记住Mari / O项目后，我决定做类似的事情，我希望使用人工神经网络来学习如何在真实人物级别上玩Dinosaur。
为了实现这一目标，决定使用遗传算法，即使恐龙“进化”。
遗传算法
那么，这种遗传算法是什么？
遗传算法是一种搜索算法，用于通过使用类似于自然选择的机制随机选择，组合和更改所需参数来解决优化和建模问题。 它是一种进化计算，它使用自然进化的方法（例如继承，变异，选择和交叉）来解决优化问题。 遗传算法的一个显着特征是强调使用“交叉”算子，该算子执行候选解的重组操作，其作用类似于野生生物中的交叉作用。
发展历程
我们的程序的操作原理（如上所述）是基于
增强的基于机器的
学习 。 我将尝试用几句话来描述工作原理：
在每一代中，都会选择几个最佳代表。 基于它们，创建一个新的。 根据神经连接的各种“权重”和输入信息（到障碍物的距离及其高度），就该物种的特定代表的行为做出决定。
我希望一切都清楚。
结论
结果，我们的“遗传模型”在219代中达到了332,000点。
有取得巨大成果的潜力。
但是仍然有很多工作要做。
PS：感谢您的阅读！ 顺便说一下，我们想展示一个神经元的学习过程。 你可以
在这里看到它。
更新。 同时，该计划获得了942,000分。