文章目录
许久之前做的一个项目。
在maddpg和openai给的环境的基础上进行修改，使用多智能体强化学习完成追逃博弈，并与传统方法进行对比。下面记录下修改的地方。
1. Multiagent-Envs环境的改动
- 本项目主要用到simple_tag环境
- 设定为1个good_agent,1个adversary
- agent运动窗口大小为-30到+30
- good_agent的size为0.25，adversary的size为0.2
- 质量均设为1.0，阻尼为0.5，captured距离为0.5
- 不需要用到landmark和交流信息，故将涉及到landmark和交流信息的代码都删除掉
- 将追与逃两个agent的动力学模型设置为论文《A Dynamics Perspective of Pursuit-Evasion Capturing and Escaping When The Pursuer Runs Faster Than The Agile Evader》中的动力学模型
- 添加论文《A Dynamics Perspective of Pursuit-Evasion Capturing and Escaping When The Pursuer Runs Faster Than The Agile Evader》提到的追逃策略，目的是为了与神经网络训练出来的追逃策略进行一个对比
1.1 core.py文件的改动
除了删除一些未用到的类，主要在agent运动模型上进行了修改
-
注释掉不需用到的代码
# update state of the world def step(self): #在environment.py的step函数中调用 # set actions for scripted agents for agent in self.scripted_agents: agent.action = agent.action_callback(agent, self) # gather forces applied to entities p_force = [None] * len(self.entities) # apply agent physical controls p_force = self.apply_action_force(p_force) # apply environment forces # p_force = self.apply_environment_force(p_force) self.integrate_state(p_force) # print('p_force:', p_force) -
力的改变—不需要噪声
# gather agent action forces def apply_action_force(self, p_force): # set applied forces for i,agent in enumerate(self.agents): if agent.movable: noise = np.random.randn(*agent.action.u.shape) * agent.u_noise if agent.u_noise else 0.0 p_force[i] = agent.action.u # + noise # agent的action.u=action.u*accel environment.py line 190 # 下面这行是在action.u*accel的基础上再次乘了accel # p_force[i] = (agent.mass * agent.accel if agent.accel is not None else agent.mass) * agent.action.u #+ noise # print(f"force{i}", p_force[i]) # print(f"force", p_force) return p_force -
速度计算公式的改变
参照论文中的公式将模型修改
模型是公式的前半部分，后半部分即fd(t)或fe(t)分别指的是追逃策略。模型主要是此行代码的体现：entity.state.p_vel += (p_force[i] / entity.mass -entity.state.p_vel * self.damping / entity.mass) * self.dt完整函数如下：
# integrate physical state def integrate_state(self, p_force): for i,entity in enumerate(self.entities): if not entity.movable: continue # 如果是运动的实体则执行循环体，否则continue # entity.state.p_vel = entity.state.p_vel * (1 - self.damping) # 更新agent速度：速度×（1-阻尼）` # print('v',entity.state.p_vel) if (p_force[i] is not None): entity.state.p_vel += (p_force[i] / entity.mass -entity.state.p_vel * self.damping) * self.dt # entity.state.p_vel += (p_force[i] / entity.mass ) * self.dt # 牛二：v=v0+f/m*t 速度=力/质量×时间 # print(f'p_force{i}',p_force[i]) # print('ss',p_force[i] / entity.mass -entity.state.p_vel * self.damping) # 实时加速度 # a_tmp= p_force[i] / entity.mass - entity.state.p_vel * self.damping # print('a%d'%i,a_tmp) # print('p_force',p_force) entity.state.p_pos += entity.state.p_vel * self.dt -
新增边界墙类
# 边界类 class Border(Entity): def __init__(self): super(Border, self).__init__() self.pos = None
1.2 environment.py文件的修改
除了删除一些未用到的类，主要在环境参数上进行了修改
-
在
step函数中添加两者距离小于抓捕范围时,done_n返回True的代码（line107行）# 当两者距离小于抓捕范围时，done_n==true delta_pos = np.abs(self.agents[0].state.p_pos - self.agents[1].state.p_pos) dist = np.sqrt(np.sum(np.square(delta_pos))) # print('dist',dist) capture_distance=self.agents[0].size + self.agents[1].size capture_distance=0.5 if dist< capture_distance: done_n.append(True) # if any(done_n) == True: # print("done_n:", done_n) -
在离散环境情况下，即：
self.discrete_action_space = True需要修改
_set_action函数中(line167行）agent.action.u的计算规则，让其与论文中的模型一致if self.discrete_action_space: # agent.action.u[0] += action[0][1] - action[0][2] # agent.action.u[1] += action[0][3] - action[0][4] # chh 修改 在论文中并不需要累加 agent.action.u[0] = action[0][1] - action[0][2] agent.action.u[1] = action[0][3] - action[0][4] -
修改显示框大小（line250行）
在render函数中修改：self.viewers[i] = rendering.Viewer(800,800) # 修改显示框大小将显示框大小改为800*800
-
修改运动窗口大小（line293行）
在render函数中修改：self.viewers[i].set_bounds(-30,+30,-30,+30)agent运动窗口大小改为-30到+30，即窗口中心点为原点，窗口显示的运动距离为-30到30
1.3 simple_tag.py文件的改动
-
在
Scenario类中的make_world函数中修改good_agent、adversary的数量，修改两者的加速度、尺寸大小、初始质量；def make_world(self): world = World() # set any world properties first num_good_agents = 1 num_adversaries = 1 num_agents = num_adversaries + num_good_agents # add agents world.agents = [Agent() for i in range(num_agents)] for i, agent in enumerate(world.agents):#agent的设置 agent.name = 'agent %d' % i agent.collide = True agent.adversary = True if i < num_adversaries else False agent.size = 0.25 if agent.adversary else 0.2 # agent.accel = 3 if agent.adversary else 5 #这组加速度agent逃跑后adversary和good agent 会处在某个位置不动 # 加速度 enviroment.py line 188 agent.accel = 4 if agent.adversary else 2.4 # agent.max_speed = 1.0 if agent.adversary else 1.0 agent.initial_mass = 1.0 if agent.adversary else 1.0 # chh 10.19 质量的差别影响很大，红球总是能追上小球 # make initial conditions self.reset_world(world) return world -
添加边界墙
在Scenario类中的make_world函数中添加：# 加入 borders world.borders = [Border() for i in range(num_borders)] for i, border in enumerate(world.borders): border.name = 'border %d' % i border.collide = True border.movable = False border.size = 0.15 # 边界大小 border.boundary = True # 改变边界厚度border.shape border.shape = [[-0.05, -0.05], [0.05, -0.05], [0.05, 0.05], [-0.05, 0.05]] -
在
Scenario类中的reset_world函数中修改agent颜色、初始位置以及初始速度def reset_world(self, world): # random properties for agents for i, agent in enumerate(world.agents):# agent颜色 agent.color = np.array([0.35, 0.85, 0.35]) if not agent.adversary else np.array([0.85, 0.35, 0.35]) # agent.state.p_pos = np.asarray([0.0, 0.0]) if agent.adversary else np.random.uniform(-0.5, +0.5, world.dim_p) # agent初始位置状态 [x,y]=[0,0]是在视野中心 agent.state.p_pos = np.asarray([0.0, -4.0]) if agent.adversary else np.asarray([0.0, 0.0]) # agent初始位置状态 [x,y]=[0,0]是在视野中心 # agent.state.p_pos = np.random.uniform(-10, +10, world.dim_p) agent.state.p_vel = np.zeros(world.dim_p) # agent初始速度 -
在判断碰撞的函数中（line58行）将判断碰撞的距离 改为0.5
def is_collision(self, agent1, agent2): delta_pos = agent1.state.p_pos - agent2.state.p_pos dist = np.sqrt(np.sum(np.square(delta_pos))) dist_min = agent1.size + agent2.size # return True if dist < dist_min else False return True if dist < 0.5 else False -
observation函数中修改传给obs_n的值（line139）# 返回一个1*8的数据 def observation(self, agent, world): other_pos = [] other_vel = [] for other in world.agents: if other is agent: continue other_pos.append(other.state.p_pos - agent.state.p_pos) #相对位置 # other_pos.append(other.state.p_pos ) #chh 修改 默认策略 # 绝对位置 other_vel.append(other.state.p_vel) # 绝对速度 # other_vel.append(other.state.p_vel - agent.state.p_vel) #相对速度 # if not other.adversary:# if other.adversary ==False: # other_vel.append(other.state.p_vel) # print('agent.state.p_vel:',agent.state.p_vel) # 1*2 # print('other_vel:',other_vel) # 1*2 # print('*'*30) # print('other_vel2 :',other_vel ) # 1*2 # print('agent.state.p_vel:',agent.state.p_vel) # 1*2 # print("other_pos:",other_pos) # 1*2 # print("entity_pos:",entity_pos) # 空 # print("agent.state.p_pos:",agent.state.p_pos) # 1*2 return np.concatenate([agent.state.p_pos] + other_pos + [agent.state.p_vel] + other_vel)
2.maddpg相关代码的改动
maddpg算法部分变动不大，主要是添加了保存数据成mat文件的功能以及论文中追逃策略的实现（目的是为了与神经网络进行对比）
2.1 神经网络部分
mlp_model函数是神经网络的搭建，在离散环境下用的是三层全连接层，在连续环境下用三层全连接层训练不出
2.2 在train函数中添加论文中给的追逃策略，通过覆盖掉神经网络的追逃策略来实现
主要是在函数中的while True循环中添加，在
action_n = [agent.action(obs) for agent, obs in zip(trainers, obs_n)]
的后面添加（line171）：
# 追捕者adversary
delta_pos_a = [obs_n[0][2]-obs_n[0][0], obs_n[0][3]-obs_n[0][1]]
distance_a = np.sqrt(np.sum(np.square(delta_pos_a)))
d_t = delta_pos_a / distance_a # the unitary relative-positional vector
## ----------------
# 离散情况下
# action_n[0][1] = d_t[0]
# action_n[0][3] = d_t[1]
# action_n[0][0], action_n[0][2], action_n[0][4] = 0, 0, 0
## -----------------
# 连续情况下
action_n[0][0] = d_t[0]
action_n[0][1] = d_t[1]
## ----------------
# # # print('delta_pos_a',distance_a)
# # print('d_t',d_t)
# # print('adv',obs_n[0][0:2])
# # print('eva',obs_n[0][2:4])
#
# # # # #逃避者evader
delta_pos_b = [obs_n[1][0]-obs_n[1][2], obs_n[1][1]-obs_n[1][3]]
distance_b = np.sqrt(np.sum(np.square(delta_pos_b)))
d_t = np.array(delta_pos_b / distance_b)
if distance_b > 2.4:# 两者的距离大于既定距离时
fe_t = d_t
else:
R_l = np.array([[0, -1], [1, 0]])
R_r = np.array([[0, 1], [-1, 0]])
x_ = np.array([obs_n[1][4], obs_n[1][5]]) # 速度
# print(x_)
neiji = np.dot(d_t, x_) # 内积
# print('d_t',d_t)
# print('x_',x_)
# print('neiji',neiji)
mo_x_ = np.sqrt(np.sum(np.square(x_))) # 模
mo_d_t = np.sqrt(np.sum(np.square(d_t))) # d(t)的模
# print(mo_x_)
cos = neiji / (mo_x_*mo_d_t)
# print('cos,', cos) #cos范围是-1到1
x__ = np.append(x_, np.array([0])) #将速度拼接成1*3维向量 方便计算叉积 判断速度与d(t)的相对方向问题
d_t_ = np.append(d_t, np.array([0])) #将d(t)拼接成1*3维向量
# print('d_t_',d_t_)
chaji1 = np.cross(x__, d_t_)
chaji2 = np.cross(d_t_, x__)
# print('chaji1',chaji1)
# print('chaji2',chaji2)
if chaji1.any() > 0 or mo_x_ == 0 or cos == 1:
fe_t = R_l * d_t
fe_t = np.array([fe_t[0][1], fe_t[1][0]])
# print('dt',d_t)
# print('fet',fe_t)
else:
fe_t = R_r * d_t
fe_t = np.array([fe_t[0][1], fe_t[1][0]])
## ===================
# 离散情况下
# action_n[1][1] = fe_t[0]
# action_n[1][3] = fe_t[1]
# action_n[1][0], action_n[1][2], action_n[1][4] = 0, 0, 0
# 连续情况下
action_n[1][0] = fe_t[0]
action_n[1][1] = fe_t[1]
2.3 保存数据：实时位置、实时速度、action、step步数、reward
step = [i for i in range(arglist.max_episode_len+1)] #161行
step_episode.append(rew_n[0]) #保存adversary的reward 258行
action_save.append(action_n) #储存action 282行
注：保存的位置均为绝对位置
在simple_tag.py文件的observation函数中如果返回的是相对速度相对位置，则保存数据的时候要进行转换（line260行）：
# 取相对位置相对速度时-------------------------
# import copy
# obs_n_ = copy.copy(obs_n)
# p_x = obs_n_[0][0]+obs_n_[0][2]
# p_y = obs_n_[0][1]+obs_n_[0][3]
# obs_n_[0][2] = p_x
# obs_n_[0][3] = p_y
# position_.append(obs_n_[0][0:4])
# v_x = obs_n_[0][4]+obs_n_[0][6]
# v_y = obs_n_[0][5]+obs_n_[0][7]
# obs_n_[0][6] = v_x
# obs_n_[0][7] = v_y
# volocity.append(obs_n_[0][4:8])
#----------------------------
取绝对位置绝对速度时，直接保存即可
# 取绝对位置绝对速度时
position_.append(obs_n[0][0:4])
volocity.append(obs_n[0][4:8])
在if done or terminal:（line288行）if条件中添加保存数据的代码：
if done or terminal:
if done:
print('*'*20)
print('done:',episode_step)
# #
# sio.savemat(file_folder_name + '/network_vs_network-a15_13.7.mat',{'step': step, 'position': position_, 'volocity': volocity, 'action_save': action_save})
print('save !!!')
# break #保存完之后退出
episode_reward.append(step_episode) #将400个step保存进列表中
在if len(episode_rewards) > arglist.num_episodes:（line386行）条件语句中添加保存所有rewards的代码：
sio.savemat(file_folder_name + '/rewards.mat', {'episode_reward': episode_reward})
由于项目已经做了很久，今天整理的时候发现整个代码不知道被我放哪了，只剩下之前当《机器学习》课程助教时基于openai particle环境修改的环境代码，就放上这个github仓库链接吧。
1235
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
