Скачать или смотреть Flappy Bird Genetic Algorithm + Neural Network

การสร้าง AI ด้วย Genetic Algorithm ในเกมกระโดดข้ามอุปสรรค (Jumping AI)

โค้ดที่ให้มานี้เป็นการสร้าง AI สำหรับเกม 2D ที่ผู้เล่นต้องกระโดดข้ามแท่งบาร์ (bars) โดยใช้ แนวคิดของ Neural Network ขนาดเล็ก ร่วมกับ Genetic Algorithm (GA) เพื่อปรับปรุงพฤติกรรมของผู้เล่นให้เก่งขึ้นในแต่ละรุ่น (generation) โดยไม่ใช้การเรียนรู้แบบ supervised learning แต่เรียนรู้ผ่าน การคัดเลือกตามฟิตเนส ของแต่ละผู้เล่น

1. โครงสร้างของ AI
1.Genome ของผู้เล่นแต่ละตัว
ใช้ matrix 2D ขนาด [10][22] สำหรับเก็บน้ำหนักของ Neural Network และข้อมูลสถานะของผู้เล่น
โครงสร้างของแต่ละ genome:
0-17: น้ำหนักของ Neural Network
18: ตำแหน่ง X ของผู้เล่น
19: ตำแหน่ง Y ของผู้เล่น
20: สถานะ alive/dead (1 = alive, 0 = dead)
21: ความเร็วในการตก (fall speed)

2.Neural Network ขนาดเล็ก
Input: 2 ตัว
ระยะทางจากผู้เล่นไปยังตำแหน่งถัดไป (input1)
ความสูงของผู้เล่นเทียบกับบาร์ (input2)
Hidden layer: 6 nodes
Output: 1 node (ใช้ตัดสินใจว่าจะกระโดดหรือไม่)
ฟังก์ชัน activation: Sigmoid

การคำนวณ output
ใช้ฟังก์ชัน jump(int a) สำหรับผู้เล่น a
Neural Network มี 2 ชั้น:
1.Input → Hidden (sumAndSquash)
2.Hidden → Output (sumAndSquash)
Output node [6] จะเป็นตัวกำหนดว่าผู้เล่นจะกระโดดหรือไม่ (มากกว่า 0.5 = กระโดด)

2. การจำลองเกม
1.การเคลื่อนที่ของผู้เล่น
X ของผู้เล่นเพิ่มขึ้นทีละ 5
Y ของผู้เล่นเปลี่ยนแปลงตามความเร็วในการตก (genome[a][21])
แรงโน้มถ่วงถูกเพิ่มทีละ 0.5 ต่อ frame
2.การตรวจสอบการชน (collisionDetection)
ถ้าผู้เล่นแตะพื้น (Y มากกว่า 850) → status dead
ถ้าผู้เล่นชนกับแท่งบาร์ → status dead
3.การประเมินฟิตเนส (fitness)
ใช้ฟังก์ชัน fitness(a) คำนวณคะแนนจากความก้าวหน้าของ X
คะแนนสูง = เคลื่อนที่ไปได้ไกล

3. Genetic Algorithm (GA)
เมื่อผู้เล่นทั้งหมดตายหรือจบเกม ระบบจะสร้าง รุ่นใหม่ (next generation) ผ่านขั้นตอนดังนี้:
1.คัดเลือกผู้เล่นที่ดีที่สุด (fourBest())
เลือกผู้เล่น 4 ตัวที่มีฟิตเนสสูงสุด
ใช้ผู้เล่นเหล่านี้เป็นพื้นฐานในการสร้างรุ่นถัดไป
2.การผสมพันธุกรรม (Crossover)
ทำการสลับน้ำหนัก neural network ระหว่าง genome ของผู้เล่นที่ดีที่สุด
ใช้วิธี single-point, double-point, และ random crossover
ทำให้รุ่นใหม่มีความหลากหลาย
3.การกลายพันธุ์ (Mutation)
แต่ละ weight มีโอกาส 1/25 ที่จะถูกสุ่มใหม่
ช่วยสร้างความหลากหลายทางพันธุกรรม และป้องกัน stuck ใน local optimum
4.รีเซ็ตสถานะผู้เล่นและบาร์ (resetData)
รีเซ็ตตำแหน่ง X, Y, ความเร็ว และสถานะ alive
สุ่มความสูงของบาร์ใหม่

4. การทำงานของระบบ AI โดยรวม
1.ผู้เล่นเริ่มต้นด้วยน้ำหนัก Neural Network แบบสุ่ม
2.ระบบจำลองเกมและตรวจสอบการชน
3.Neural Network ตัดสินใจว่าจะกระโดดหรือไม่
4.เมื่อผู้เล่นทุกตัวตาย → เลือก 4 ตัวที่ดีที่สุด → ทำ crossover → ทำ mutation → เริ่มเกมรอบใหม่
5.ทุก ๆ generation ฟิตเนสของผู้เล่นจะสูงขึ้น ทำให้ AI เรียนรู้และกระโดดข้ามแท่งบาร์ได้ดีขึ้นเรื่อย ๆ
6.หาก AI ผ่านแท่งบาร์ทั้งหมด หรือ generation มากกว่า 1000 → เกมจะ reset

สรุป
โค้ดนี้เป็น การประยุกต์ Genetic Algorithm กับ Neural Network ขนาดเล็ก เพื่อสร้าง AI สำหรับเล่นเกมกระโดดอุปสรรค
AI เรียนรู้ผ่าน การทดลองและข้อผิดพลาด (trial & error)
ระบบแสดงทั้ง เกมจริง และ Visualization ของ Neural Network ทำให้เห็นว่าผู้เล่น “คิด” อย่างไร
เทคนิคนี้สามารถขยายไปใช้กับเกมอื่น ๆ หรือระบบที่ต้องเรียนรู้จากสภาพแวดล้อมแบบ real-time

  / amibrokerplatform  

คอร์สออนไลน์
‘Amibroker Introduction’
เพียง 2,990 บาทเท่านั้น
.
เรียนแล้วคุณจะรู้…
☑️ เริ่มต้นใช้งาน Amibroker ทีละขั้นตอน
☑️ Database การจัดการฐานข้อมูลต่างๆ เช่น พวกหุ้น TFEX
☑️ เริ่มต้นการเขียน AFL วิธีการเขียน โดยเฉพาะ เนื้อหา Structure จะมีส่วนสำคัญทำให้เราเข้าใจการเขียน Code
☑️ อื่นๆ GFX & GUI
☑️ การ Custom indicator ต่างๆ
☑️ วิธีการใช้งาน Explore หรือ Scan หุ้น ต่างๆ
.
สอนโดย Amibroker Platform นักลงทุนอิสระสไตล์ System Trading วิทยากรการลงทุนด้าน Quantitative Analysis และ Technical Analysis
.
💬 เรียนที่ไหนเมื่อไหร่ก็ได้ ทบทวนซ้ำได้ตลอดชีพ ผ่านแอปพลิเคชัน และเว็บไซต์ SkillLane
.
----------
วิธีชำระเงิน
💳 จ่ายด้วยบัตรเดบิตและบัตรเครดิต คลิกที่นี่
https://www.skilllane.com/courses/ami...
.
🏧 โอนเงินเข้าบัญชี บริษัท สกิลเลน เอดูเคชั่น จำกัด KBANK 391-2-15755-6 หรือ SCB 365-2-37407-3 (ไม่รวมค่าธรรมเนียมธนาคาร) แนบหลักฐานแจ้งโอนเงินได้ผ่าน Line : @SkillLane หรือบนเว็บไซต์สกิลเลน
.
❓ สอบถามเพิ่มเติม
▪️ Facebook : www.skl.website/2qn8p7n
▪️ LINE : www.skl.website/2JKFLUU
▪️ Mobile : 081-996-7150
(ทุกวัน เวลา 9.00 - 17.00 น.)