人工智能开发，Unity的神经网络+遗传算法（二）
发表于2017-12-19
因为游戏中的神经网络（以后用BP代替）不是识别用途，没有一个样本值，我们只需要阈值来判断行为的大小和幅度，学习能力的速度也来源于代码中的判断和条件，但并不是简单的If｛｝判断；
上文构建层的代码中，就是一个多连线过程，下标对应的过程；首先上文中的代码单独拿出来就是没有什么，因为它没有输入，当你定出他的规则和输入的规则的时候才是它发挥效力的时候。
运用BP来达到学习能力的最重要的就是寻找规律，没有规则它不知道怎样学习是正确的；
这里不详细说遗传算法，我就根据需要浅表的一带；后面再详细介绍。
遗传算法在此文的功能实例：
有一个非常著名的解释：
一群袋鼠生存在一座山上，是随机位置和高度生存，山下有一圈毒雾，每年都会向山顶移动，这群袋鼠在生存的时候并不知道往山顶上跑能存活下来，就是漫无目的的随意溜达生存，然后每年都会毒死一批在最下面的袋鼠，留下了爬的最高的袋鼠，爬的最高的袋鼠需要繁殖后代，在进行溜达。在无意识的情况下，有一批袋鼠通过代代的繁殖在山顶生存了下来。
也就是说我们并没有强制性的订下这个条件，让他们往上爬，他们的基因决定了他们会爬的越来越高。因为他们的输入基因权重是决定他们向上爬的输出行为是正确的，一遍遍刷下来就确定了这个信念，自然而然的他们会优先想上登顶。足够的时间和环境输入会让他们进化到一定程度；
每次的繁殖都带来了上一辈的心得和体会；
BP只是控制了他的无意识行为；但是这个无意识行为也是一个规则；通过遗传传承下去；
现在我们只控制它的行为：
假设第一批有仅有一只袋鼠向上爬了，他的神经网络中的神经元一定是处理了不同的方法函数，让他产生的因为不同输入产生的输出；后来只有这一只袋鼠活了下来，我们进行一波超越性的逻辑；它自我繁殖了。繁殖的新的一批袋鼠继承了这只袋鼠的网络和权重比。这批就又继续生存通过代代繁殖和死亡，明显他们已经慢慢知道造物者所给他们挑战是什么了，我没并没有控制这批袋鼠和这些毒雾的关系，但是他们慢慢的知道了往上爬才能活下去。
相信到这应该懂了我们这个基于Unity的人工智能到底要做些什么了：
对！作为造物主，需要指定规则，让这些物种具有自己的行为；而规则将强制影响他们进化。
这时会有，我们做游戏之前难道还要先训练自己的Npc么，如果你需要他更真实，当然需要，我的游戏NPC从一个弱智变成一个风趣的逗比。。。。
基因是可以储存的！
现在总结来说上一章写的就是在控制物种行为；跟生存规则没有关系！
在控制物种行为时需要给他的一个输入层，也就是double[]input 可以有多个输入；
就拿坦克大战为例：
例input[0]=自身坦克到最近坦克的距离/视距在视野外围内是0-1的值不在就直接给个1的值；
Input[1]=dot(坦克的right，（地方坦克-自身坦克）的标准向量)也要判断是否在，在就有值不在就是1；
Input[2]=坦克的武器是否准备就绪 就绪1；没就绪0；
Input[3]=目标移动速度时速；
Input[4]=目标转向；
把5个输入揉到神经网络里；经过一连续的加权函数处理（见一章节神经网络铺建的Compute方法）；注：第一次我们的权重一定是随机的，因为我们不知道他的准确值；
把输出定为3个 输出1=移动方法函数里的参数；输出2=转向方法里的参数 输出3=输出>0执行射击方法；
然后运用到遗传算法后；我们制定一个规则，什么样的坦克是好坦克：比如杀一个坦克+15，按存活时间+10，死亡后-25；
这样判别优秀的坦克基因；然后遗传给下一代重新训练。
你会发现第一次一群坦克跟一群智障一样疯狂的瞎射击瞎转，
大约在8次左右吧 坦克就能自己熟练的躲避追踪射击敌人了。