Question

我正在游戏中进行坦克游戏，你可以在墙上移动坦克并射击其他坦克。

我正试图找到一种制作神经网络的方法，可能是对敌人的强化学习，这样游戏就可以决定哪些坦克应该移动到哪里，如果他们应该通过传递每个物体的属性来射击等。

Attributes:
Enemy -> x,y,width,height,speed,health and other items  
Wall -> x,y,width,height  
Bullet -> x,y,width,height,speed  
Player -> x,y,width,height,speed,health

我计划使用keras python模块创建一个神经网络，但是我找不到设置它的方法，以便输入数据的形状和大小正确，因为会有可变数量的墙和子弹

我想做什么：

action = Network.predict(state)

其中
state = (Enemy, Player, Tuple_of_Wall_Data, Tuple_of_Bullet_Data)

并且行动是敌人应该以形式移动的选项 action = (Direction,Should_Shoot)

TLDR 我的问题是，我如何建立一个神经网络输入层，以便它可以采取（1个敌人，1个玩家，多个墙，多个子弹）并训练神经网络给敌人一个方向，如果它应该使用强化学习开火？

Answer 1

表示AI代理的游戏状态有三种典型方式：

内部游戏状态，几乎就是你提出的建议 - 游戏中的对象列表，以及它们的原始属性。如果想要使用ML，那么你需要一个处理不同大小的架构，因此你可能最终会得到循环神经网络，逐个处理对象。请注意，这可能是非常不理想的表示。特别是作为一个人类，你没有像这样的游戏状态，你没有得到一个对象流。
全球地图视图。如果游戏有足够小的地图，它可以作为代理的输入全部被填充，最终会有完全可观察到的问题，形式为W x H x K的数据，其中W，H是地图的宽度和高度，K是对象类型的数量（因此您可以获得每个对象的单热编码）
Agent＆＃34; vision＆＃34;，这可能是现代RL中最受欢迎的一个，其中代理再次以W x H x K呈现，但现在W和H是大小它的愿景（与代理一起移动）。

Python游戏神经网络。如何设置输入

1 个答案: