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。
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:
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:
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。
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。
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