python在城市规划中的运用_Python人工智能在贪吃蛇游戏中的运用与探索（下）-CSDN博客

本文链接：https://blog.csdn.net/weixin_32060735/article/details/112214053

之前，我们简单的分析介绍了实现贪吃蛇的基本原理和工具，本篇我们将进一步用代码分析其具体的形成过程。

设置规则

首先，我们需要设计运行时弹出的框的大小，在已设环境中，初始化蛇的长度和宽度，以及蛇每次移动的距离。这里看个人喜好，不加以讲解。

接下来我们需要确定蛇如何运动，贪吃蛇中比较重要的就是控制蛇的方向，这里我们使用「随机函数」来设定了蛇的「方向」。定义了初始位置之后，我们用0到3四个数模拟上下左右。

如下我们假设「a=random.randint」(0,3)为0，这时我们设置它为向左走0到3个单位，此时定义方向为1。同理可以得到a另外三个取值的情况。

if a == 0: self.X = deque([x_start, x_start - 1, x_start - 2, x_start - 3])
    self.Y = deque([y_start, y_start, y_start, y_start])
    init_dir = 1

模拟蛇吃果实的场景，吃到果实时，蛇的身体会增加一单位长度(增加多少随参数设定变化而不同)，这时，我们可以等价看成「果实的坐标加入了整个蛇的坐标队列」，即只需把果实的坐标添加，再区分蛇头和身体即可。判定吃到果实后，分数增加50，果实刷新。

def eat_food(self, x_food, y_food):
    self.X.appendleft(x_food)
    self.Y.appendleft(y_food)
    self.LENGTH += 1
    self.MOVES += 100
def update(self, x_change, y_change):
    # 更新贪吃蛇身体位置
    for i in range(self.LENGTH - 1, 0, -1):
        self.X[i] = self.X[i - 1]
        self.Y[i] = self.Y[i - 1]
    # 更新贪吃蛇头部位置
    self.X[0] = self.X[0] + x_change
    self.Y[0] = self.Y[0] + y_change
    self.MOVES -= 1

if new_head_x == self.FOOD_X and new_head_y == self.FOOD_Y:
    self.SNAKE.eat_food(self.FOOD_X, self.FOOD_Y)  # 确认吃了食物
    reward = 50  # 给予吃食物的奖励
    food_eaten = True

def reset(self):
    ......
    ......
    self.FOOD_X, self.FOOD_Y = self.get_randoms()

接下来模拟蛇当场去世的情况。我们用坐标来模拟蛇，那么显然，当蛇的头位置与身体位置发生重合时，即判定扑街。同时，如果蛇头触碰了边界，我们同样判定其死亡。代码中我们会设置一个函数来判定，当其满足死亡条件时，将被赋值为False(训练时我们将结果存储在done[])。

def bit_itself(self):
    for i in range(1, self.LENGTH):
        if self.X[0] == self.X[i] and self.Y[0] == self.Y[i]:
            return True
    return False
def is_on_body(self, check_x, check_y, remove_last=True):
    X, Y = self.X.copy(), self.Y.copy()
    if remove_last:  # 不考虑尾部
        Y.pop()
    for x, y in zip(X, Y):
        if x == check_x and y == check_y:
            return True
    return False

if new_head_x < x1 or new_head_x > x2 or new_head_y < y1 or new_head_y > y2:
    reward = -50
    done = True
    self.SNAKE.kill()

def kill(self):
    self.is_alive = False

此处我们涉及到了zip()函数，zip的功能主要是将涉及到的元素合并起来，这里通过将蛇身体的坐标的合并，可以轻松得到坐标列，当蛇头(x,y)正好在该列之中，即重合。

if action == 0:
    if self.VELOCITY == 1:  # 向右移动
        x_change = 1
    else:
        x_change = -1  # 向左移动
        update = True
......

具体的行动规则依照设定的上下左右的方式来决定。

到此我们完成了贪吃蛇设计的第一阶段。

上图是贪吃蛇人工智能诞生，训练与运行的主要流程，我们将以该图流程为依据展开。

初始化环境

神经网络参数的设置

HIDDEN_UNITS = (32, 16, 32)  # 神经网络隐藏层神经元数目
NETWORK_LR = 0.001  # 神经网络学习率
BATCH_SIZE = 64  # 训练批次
UPDATE_EVERY = 5  # 本地模型每训练5次更新
GAMMA = 0.95  # 强化学习中的折扣因子
NUM_EPISODES = 5000  # 最大迭代次数
def train():
    agent = DeepQ_agent(env, hidden_units=HIDDEN_UNITS, network_LR=NETWORK_LR,
                        batch_size=BATCH_SIZE, update_every=UPDATE_EVERY,                               gamma=GAMMA)  # 深度学习环境
    ......

折扣因子是估算未来的价值所需要的元素。在贪吃蛇中，我们需要大约确定未来几步的最优选择，而距离现在越远，其影响越小，即当我们计算rewards时，未来每一步的分数都会乘折扣因子的n次方。

环境状态设定

def reset(self):
    # 初始化贪吃蛇和食物的位置
    snake_x, snake_y = self.get_randoms(length=4)
    self.SNAKE = Snake(snake_x, snake_y, self.WIDTH, self.HEIGHT)
    self.VELOCITY = self.SNAKE.INITIAL_DIRECTION
    self.FOOD_X, self.FOOD_Y = self.get_randoms()
    self.STATE = self.SNAKE.look(self.FOOD_X, self.FOOD_Y,
    self.get_boundaries())
    return self.STATE

初始化蛇、果实的位置，方向，将其存储在state中(Q(s,a)的 s)

设定训练模型和张量

判断蛇和与环境的关系，生成环境张量

上面的代码块中的look就是机器判断环境的核心

def look(self, x_food, y_food, boundaries):
    # 往上观察
    up = self.lookInDirection(boundaries, y=-1, x=0)
    ......#左右等剩余七个观察
    head_x, head_y = self.head_pos()
    ......
    aa = np.hstack((food_position, up, up_right, right, down_right, down, down_left, left, up_left))
    return np.hstack((food_position, up, up_right, right, down_right, down, down_left, left, up_left))
def lookInDirection(self, boundaries, y, x):
    tail_distance = 0  # 0如果尾部不在这个方向
    distance = 1  # 1是离墙的最小距离
    curr_x, curr_y = self.head_pos()
    check_x, check_y = curr_x + x, curr_y + y  # 按照方向变化头部位置
    x1, x2, y1, y2 = boundaries
    while y1 <= check_y <= y2 and x1 <= check_x <= x2:
        if tail_distance == 0 and (self.is_on_body(check_x, check_y,
        remove_last=False)):
            tail_distance = (1 / distance)
        # 持续迭代
        check_y += y
        check_x += x
        distance += 1
    return np.array([1 / distance, tail_distance])

边界距离从行动后distance的迭代得到。通过对果实，边界距离、方向的计算与估计，确立出state。通过look出来的结果，将各种影响环境状态的因素用hstack合并，生成环境张量。

开始训练

建立本地和目标模型，并预估动作

self.qnetwork_local = QNetwork(input_shape=self.env.STATE_SPACE,
                               output_size=self.nA,
                               learning_rate=self.NETWORK_LR)
#print(self.qnetwork_local.model.summary())
#一个模型用于本地训练，另外一个模型随之更新权重
self.qnetwork_target = QNetwork(input_shape=self.env.STATE_SPACE,
                                output_size=self.nA,
                                learning_rate=self.NETWORK_LR)
self.memory = ReplayMemory(self.MEMORY_CAPACITY, self.BATCH_SIZE)

#使用本地模型估计下一个动作
target = self.qnetwork_local.predict(states, self.BATCH_SIZE)
#使用目标模型估计下一个动作
target_val = self.qnetwork_target.predict(
    next_states, self.BATCH_SIZE)
target_next = self.qnetwork_local.predict(
    next_states, self.BATCH_SIZE)

用两个模型的优点和各自用途在(上)中已经讲到过，这里不再解释。

干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)

计算分数

for i in range(self.BATCH_SIZE):
    if dones[i]:
        target[i][actions[i]] = rewards[i]
    else:
        target[i][actions[i]] = rewards[i] + self.GAMMA * \
            target_val[i][max_action_values[i]

当蛇死掉，分数即为当前的分数。否则将继续迭代，但是预估的每个未来的行动都会乘以折扣因子。同时，在训练批次范围内的多次循环会得到一系列的rewards，其中的最大值就是我们预估出的最佳行动方式，我们以此会不断更新权重，使贪吃蛇更加智能。

执行训练

开始移动

def act(self, state, epsilon):  #设置epsilon默认为0
    state = state.reshape((1,)+state.shape)
    action_values = self.qnetwork_local.predict(
        state)
    if random.random() > epsilon:
        #选择最好的行动
        action = np.argmax(action_values)
    else:
        #选择随机的行动
        action = random.randint(0, self.nA-1)
    return action

行动的时候有两种情况。此处我们设置了epsilon(取0.1)，并取(0,1)随机数，当大于epsilon时则按照rewards最大的经验行动。当小于时，则会随机采取一次行动，同时epsilon会乘以一个系数，直到设定的最小值(我们设置了0.01)。这样做的目的，是为了在刚开始训练时，快速积累行动经验，加快人工智能的进步。同时，随着无数次的训练，权重的不断更新，蛇的行动会越来越准确。

存储与提取经验

def add_experience(self, state, action, reward, next_state, done):
    self.memory.add(state, action, reward, next_state, done)
def add(self, state, action, reward, next_state, done):
        '''把经验存储起来'''
    e = tuple((state, action, reward, next_state, done))

def sample(self, state_shape):
    experiences = random.sample(self.memory, k=self.BATCH_SIZE)
    # 提取反馈信息
    states, actions, rewards, next_states, dones = zip(*experiences)

def learn(self):
    if self.memory.__len__() > self.BATCH_SIZE:
        states, actions, rewards, next_states, dones = self.memory.sample(
            self.env.STATE_SPACE)

当经验组数量大于训练批次后，每次我们都会提取出64组(训练批次数量)的经验，来得到相应的action。

model_arch = '2019816'
resume_model_path = model_out_dir + '/snake_dqn_2019815_final.h5'

agent.qnetwork_local.model = load_model('F://贪吃蛇//SnakeAI-master//agents_models//snake_dqn_2019816_3000.h5')

这一步是人工智能贪吃蛇的关键步骤，「我们定义训练模型的路径，并在正式运行时调用。该训练文件会存入训练生成神经网络模型的权重。当我们运行时会调用该文件中的权重。如果该路径下没有已有的训练文件，那么训练生成的权重就会存入。如果想要重新训练，我们就要删除并重新定义这一路经。」

这里的原理是「通过神经网络的无数次训练来调整权重。当贪吃蛇训练时遇到新环境，根据已有模型，预测一个接近的结果向量来选择最好的方式移动。训练环境也会逐渐扩大(训练环境与遇到的环境不是一个)，当达到训练批次时就会固定。」

总流程如下

自此，贪吃蛇人工智能的介绍结束。

干货 | Python人工智能在贪吃蛇游戏中的应用探索(上)

Python人工智能在贪吃蛇游戏中的运用与探索(中)

「参考文献：」

贪吃蛇代码

源代码作者：齐浩洋(香港城市大学数据科学学院)

文案 && 编辑：白宇啸(华中科技大学管理学院)

审稿&&修正：齐浩洋(香港城市大学数据科学学院)

指导老师：秦虎(华中科技大学管理学院)

如对文中内容有疑问，欢迎交流。

如有需求，可以联系：

秦虎老师(professor.qin@qq.com)

白宇啸(华中科技大学管理学院本科一年级：291666597@qq.com)

扫一扫，获取数据和模型还有更多算法学习课件分享哟