Machine-Learning-Flappy-Bird

Machine-Learning-Flappy-Bird 项目介绍

项目概述

Machine-Learning-Flappy-Bird 是一个令人兴奋的 HTML5 项目，它在著名的 Flappy Bird 游戏中实现了机器学习算法。该项目的核心目标是教会一只小鸟如何通过神经网络和遗传算法学习最优的飞行方式，以尽可能长时间地安全穿越障碍物。

技术实现

该项目主要使用 HTML5 技术，并结合了 Phaser 框架和 Synaptic 神经网络库。Phaser 框架用于游戏开发，而 Synaptic 库则用于实现人工神经网络。

神经网络架构

每只小鸟都拥有自己的神经网络，由三层组成：

1. 输入层：2 个神经元，代表小鸟所看到的信息

   • 小鸟与最近缺口的水平距离
   • 小鸟与最近缺口的高度差

2. 隐藏层：6 个神经元

3. 输出层：1 个神经元，用于决定行动

   • 如果输出 > 0.5，则拍打翅膀
   • 否则，不做任何动作

机器学习核心概念

该项目采用神经进化的形式实现机器学习。主要步骤如下：

1. 创建一个包含 10 只小鸟的新种群，每只小鸟都有随机的神经网络
2. 让所有小鸟同时使用各自的神经网络玩游戏
3. 计算每只小鸟的适应度函数，以衡量其质量
4. 当所有小鸟都被淘汰后，使用遗传算法操作符（选择、交叉和变异）评估当前种群并产生下一代
5. 重复步骤 2-4

遗传算法实现

遗传算法的核心操作包括：

1. 按适应度降序排列当前种群的小鸟
2. 选择前 4 只小鸟作为获胜者直接进入下一代
3. 通过交叉和复制创建 6 只后代填充剩余位置
4. 对每只后代进行随机变异以增加多样性

项目文件结构

项目主要包含两个核心文件：

1. gameplay.js：实现整个游戏逻辑，包括主要类如 App.Main、TreeGroup、Tree、Bird 和 Text

2. genetic.js：实现遗传算法，主要包含 GeneticAlgorithm 类，负责处理所有遗传算法操作

项目亮点

1. 结合了流行的 Flappy Bird 游戏和先进的机器学习技术
2. 直观展示了神经网络和遗传算法在游戏 AI 中的应用
3. 采用 HTML5 技术，易于在浏览器中运行和展示
4. 提供了详细的教程和演示视频，有助于理解算法原理

通过这个项目，人们可以深入了解机器学习算法如何在实际游戏中应用，以及如何通过不断学习和进化来提高 AI 的性能。这不仅是一个有趣的游戏项目，也是一个极具教育意义的机器学习演示。