Deep Reinforcement Learning制作游戏AI初探

参考 github 案例，通过 Deep Reinforcement Learning（DQN 算法）训练能玩贪吃蛇的 AI。 

环境搭建

基于 python + tensorflow + Keras 搭建训练环境 

1、安装 python 3.6，pip 镜像源为 https://pypi.tuna.tsinghua.edu.cn/simple

2、从 pip 镜像源手动安装以下内容：tensorflow 1.13.2、protobuf 3.19.5、h5py 2.10.0、Keras 2.0.0。手动安装原因为 github 案例为 2018 年版本，直接安装最新 py 库存大量报错。

3、拉取 github 案例 https://github.com/YuriyGuts/snake-ai-reinforcement 到本地

4、打开案例的 requirements.txt 文件，删除 tensorflow、protobuf、h5py、keras 依赖项。第2步已手动安装。

5、切换到案例目录，执行 pip install –upgrade -r requirements.txt 现在环境准备好了，接下来就是训练了。

训练

打开 cmd，切换到案例目录，输入 py.exe train.py –level “snakeai/levels/10×10-blank.json” –num-episodes 300003000 的含义是训练 30000 个样本，训练开始后如下图

默认是 CPU 计算，i7 9700K 级别训练 30000 场耗时约 8 小时 训练完成后得到的 dqn-final.model 文件为 DQN 模型了，接下来我们可以看 AI 玩的效果 

试玩

打开 cmd 切换到案例目录

输入 py.exe play.py –interface gui –agent dqn –model “dqn-final.model”–level “snakeai/levels/10×10-blank.json” –num-episodes 10   

enjoy yourself~

参考资料：

1、Introduction to DQN https://zhuanlan.zhihu.com/p/145102068

2、nake-ai-reinforcement https://github.com/YuriyGuts/snake-ai-reinforcement

3、Introduction to Deep Reinforcement Learning https://zhuanlan.zhihu.com/p/25239682

4、Dota 2 with Large Scale Deep Reinforcement Learning

5、Mastering Complex Control in MOBA Games with Deep Reinforcement Learning

6、https://blog.csdn.net/weixin_45590789/article/details/105666453

7、https://cloud.tencent.com/developer/article/1860809

8、https://zhuanlan.zhihu.com/p/62225540