贪吃蛇程序中乘方部分是啥意思？

Posted 2023-04-28

P2=mux(x[i]);
P1=255-mux(y[i]);
**************************************
/*****************
乘方程序
*****************/
uchar mux(uchar temp)

if(temp==7)return 128;
if(temp==6)return 64;
if(temp==5)return 32;
if(temp==4)return 16;
if(temp==3)return 8;
if(temp==2)return 4;
if(temp==1)return 2;
if(temp==0)return 1;
return 0;

/*****************
显示时钟 显示程序
*****************/
void timer0(uchar k)

while(k--)

for(i=0;i<SNAKE+1;i++)

P2=mux(x[i]);
P1=255-mux(y[i]);
turnkey(); //上下左右键位处理
delay(TIME); //显示延迟
P2=0x00;
P1=0xff;

参考技术A 乘方部分返回2的temp次方 参考技术B 回答

乘方部分返回2的temp次方

提问

不清楚

能不能再解释详细一点

回答

好

提问

乘方程序啊

回答

往简单了说，就是等待⌛️

等待他们的运行。

提问

啊？

回答

就是源代码

提问

还是没懂

回答

让我再想想怎么说，你才能明白？

是这样的吧

提问

对，然后就是看不懂什么意思，能讲清楚些吗

回答

这个是编程。

这些才能运行。

这个是比较深奥的，只有IT行业的才懂。

那些专业术语说了，也不是很明白。

后来推出了cp系统，就是充钱，没别的。

一会一个cpdd一会一个cpdd

还有各种充值端口，各种关不掉的广告（虚假关闭键，点一下就进广告里了，真的得等几秒才会出现）

这个代码在定义关键的左边的时候，需要的是整型（int），但是捕获的却是其他，目前我还没找到好的办法完全解决。但是解决了中心点的问题（rotatedRect1.center），起码exe文件能运行了。

如果有问题的话。把我最开始回答的那一行写上去就行了。



让AI学会玩贪吃蛇

参考技术A

2019/02/07

我记得我年前的时候，我看过很多文章，包括一些论文，主题都是利用AI来玩贪吃蛇这种。他们利用的方法很多，例如利用搜索算法[1]，还有利用监督学习来进行训练达到目的的，训练数据的来源是有自己玩游戏产生的（好像有算法是可以让他自己产生的，想不起来是在哪里看到的了。），当然这种正如他自己所说，后续的结果就是机器最多玩的和你一样好，最后一种见的比较多的就是利用强化学习，加上Q-Learning算法的方式。 针对搜索算法部分，可以看前面的一篇随笔《贪吃蛇游戏》。

那段时间看了不少这类的文章，我现在集中阅读一下，并简单理解一下这部分内容的关键部分。无论什么游戏，都有一个 相应的状态空间 的定义，这部分数据，本质上就是这个游戏能展现给我的所有的内容。那么怎么来利用这部分数据，就是你的能力了。

文章[2]中，他是用的方法同时结合了深度学习和强化学习。 （我也想深究一下，如果是仅仅使用强化学习，这个过程又是什么样的，得看我收集的文章中，是不是有这类部分的内容了；我记得好像强化学习就是利用Q-Learning这种算法来实现的） 但是这篇文章感觉说的不够清楚，最重要的那个点就是，强化学习到底是如何跟深度学习联合起来的。可能单单强化学习已经可以完成这个任务了。
我大概理解了这个过程，他是利用强化学习来作为自动化生成数据的过程了，一开始的时候，利用强化学习尽可能得到多的数据，然后采样或者怎么样使得最后的数据作为训练得到效果。 这篇文章讲述的并不是清楚，不推荐。 下面这个图从这篇文章中看到的，挺不错。

文章[3]基于强化学习Q-Learning完成了贪吃蛇的步骤，不过貌似他的这个效果并不是非常好。整个部分的源码他都是利用js来完成的， 讲解部分比较基础， 回答了前一小节的疑问。

本篇文章中，他介绍的另外一个内容挺不错，就是利用神经网络来玩谷歌浏览器的游戏。

文章[5]利用深度学习和遗传算法来训练玩游戏；这部分的文章一系列的内容，从使用pygame设计游戏，到后面自动化产生数据，最后使用GA+ANN直接不需要数据。他的思路 跟前面强化学习是不一样的。
前面部分讲到了自动化产生训练数据的部分，这个部分我感觉讲解的并不是非常好，他的自动化并不是说让游戏自己去探测这个各种内容。反而是根据某种公式来计算角度，最终实现这个过程。后续GA算法的时候又说道可以不是用训练数据。
他利用GA算法应该是使用了两个部分，第一个就是直接使用GA进行训练，他的适应函数(fittness function)部分，类似强化学习的部分，产生奖励和惩罚机制。第二个就是使用GA算法来选择神经网络的架构。 （这部分我也不是很确认，有点没看懂他要干什么） 对于神经网络中的权值部分他是如何进行实现的，这是我的一个疑问。 GA算法到底针对的是哪一部分的内容。这种文章还是有一定缺陷的。GA算法是两部分内容，首先就是权值更新内容。
虽然这篇文章感觉很基础，但我觉的写的不好。

利用学习的办法实现玩游戏的目标，比较重要的问题，有以下几个。

[1] Hawstein，如何用Python写一个贪吃蛇AI
[2] 如何让AI玩贪吃蛇：深度强化学习
[3] 利用强化学习玩贪吃蛇
[4] 谷歌小恐龙
[5] 深度学习与贪吃蛇