人工智障入门实战1使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制

Posted Piper蛋窝

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人工智障入门实战1使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制相关的知识,希望对你有一定的参考价值。

使用深度优先搜索方法实现游戏的自动控制

本文涉及一个 .py 文件:

dfs_play.py

如上图,我们将使用“深度优先搜索”的方法,来控制黑色方块自动闯关。

所谓“深度优先搜索”,即:

搜索:精准预测下一步操作后,黑色方块将到达什么位置;并再次精准预测在这个位置进行操作后,黑色方块将到达什么位置...直到触发终止条件,即找到最终得分的路径;深度优先:假设黑色方块有两个动作可以选择:A与B,那么黑色方块做出“选择A后应该到达的位置”的预测后,继续接着这条路径预测,而非去预测在初始状态下“选择B后应该到达的位置”。具体原理如下图。

【人工智障入门实战1】使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制

图片生成自:https://visualgo.net/zh/dfsbfs

为了更好地了解 DFS 的特性,你可以用 BFS(广度优先搜索) 进行对比:

【人工智障入门实战1】使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制

如何用 DFS 匹配我们的小游戏

给自己一个左上的力;给自己一个右上的力;什么也不做,这一时刻任由自己受重力牵制而掉落。

因此,我们每层也就有三个结点,如下图:

【人工智障入门实战1】使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制

但是因为算法本身的时间复杂度过大,我们可以不考虑“什么也不做”这一动作。否则,将如下图,需要搜索的结点过多,导致程序运行过慢或内存溢出。

【人工智障入门实战1】使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制

这样,每层的父结点就只有两个子结点,大大减少需要遍历的空间。

【人工智障入门实战1】使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制

使用递归的实现

我使用递归来实现 DFS 算法,我大概描述一下这个过程。数据结构不够硬的同学,应该静下心来读读我的源码、或者其他经典的 DFS 教程、或者刷刷 LeetCode 。

我的源码见:https://github.com/PiperLiu/Amazing-Brick-DFS-and-DRL/blob/master/dfs_play.py

final_s_a_list = []def dfs_forward(root_state, show=False): # 最后需要返回的就是这个(状态、动作)列表 global final_s_a_list final_s_a_list = []
# 在内部定义 dfs ,用于递归 # 在递归过程中,修改 final_s_a_list 的值 # 总是保留目前最优解 def dfs(state, s_a_list): global final_s_a_list # a trick # 每次结点的排列都不一样 # 这样搜索速度更快 # 能更快地找到可行解 if len(s_a_list) % 2 == 1: ACTIONS_tmp = (2, 1) else: ACTIONS_tmp = (1, 2)
for action in ACTIONS_tmp: if len(final_s_a_list) > 0: break new_state = move_forward(state, action) new_s_a_list = s_a_list.copy() new_s_a_list.append((new_state, action)) if check_crash(new_state): if show: # 绘图部分 pygame.draw.rect(SCREEN, (255, 0, 0), (new_state['x'] - game_state.s_c.x, new_state['y'] - game_state.s_c.y, game_state.player.width, game_state.player.height)) pygame.display.update() del new_state del new_s_a_list else: if show: # 绘图部分 pygame.draw.rect(SCREEN, (100, 100, 100), (new_state['x'] - game_state.s_c.x, new_state['y'] - game_state.s_c.y, game_state.player.width, game_state.player.height)) pygame.display.update() if check_for_score(new_state): if show: # 绘图部分 pygame.draw.rect(SCREEN, (0, 0, 255), (new_state['x'] - game_state.s_c.x, new_state['y'] - game_state.s_c.y, game_state.player.width, game_state.player.height)) pygame.display.update() final_s_a_list = new_s_a_list break dfs(new_state, new_s_a_list)
# 开始递归 dfs(root_state, [])
return final_s_a_list

我这里 DFS 算法效果较好:

python dfs_play.py

输入参数 --display 可以查看寻路过程:

python dfs_play.py --display

源码:https://github.com/PiperLiu/Amazing-Brick-DFS-and-DRL

欢迎 star 。

引用链接

以上是关于人工智障入门实战1使用深度优先搜索实现 Amazing-Brick 小游戏的自动控制的主要内容,如果未能解决你的问题,请参考以下文章

AI入门与项目实战(基础概念)

算法入门深度优先搜索(DFS)

人工解数独(C++)深度优先搜索

深度优先搜索学习---(入门)

人工智能不智能-非递归深度优先搜索的简述

AI的“高度近视”有何破解之法?深度学习加速技术让“人工智障”戴上眼镜