如何玩人工智能_ Python做人工智能？让电脑自己学会玩游戏，实战带你入门机器学习

< p >

前言

在

之前，本期有一篇关于用Python编写“拿石头”游戏的文章，这是一个允许你玩电脑的小游戏，但是电脑玩家的选择是随机的，这意味着你在玩一台智力迟钝的电脑。

今天，我们更进一步，编写程序使这台智力迟钝的计算机能够持续地玩“拿石头”游戏，并最终学会如何赢得游戏。不仅如此，我们还可以通过这个训练有素的电脑玩家了解赢得比赛的秘密(在文章的结尾)现在请看示意图

电脑自我训练

< p >玩电脑

高能预警与之前的文章不同，本文需要在强化学习中实现一个小算法。然而，这种算法并不难，可以广泛应用于其他同类游戏问题，让你做出有趣的事情。我们开始吧。

以上所有实现都在模型中。有兴趣的朋友可以去github看看。

要点描述

机器学习程序和普通应用程序开发程序有什么区别？就像本文的实现一样，程序的逻辑方向不是由我们编写代码的方式决定的，而是由数据决定的。

下面将简要说明整个过程的关键点

总的来说，电脑玩家每次选择拿多少块石头是根据表格中的数据来判断的。图中的行索引(在左边的绿色方框中)表示当前磁盘表面上的石头数量列索引(在上面的红色框中)表示可以做出的选择数量 然后，行索引和列索引交叉点处的数据指示该选择的值。价值越大，电脑玩家就越有可能选择因此，你可以看到，当你和电脑玩家比赛时，他已经知道如何迈出每一步。

问题是，您是如何以这种形式获得价值数据的？是的，这是让他不断与自己战斗以获得经验让我们分析这场战斗的过程

一开始，整个表的值都是0 假设当前剩余数量为10，他将查看对应于行索引10的行的数据。他发现这条线全是零，所以他会随机选择。是的，此时他正在试运气。当他这次选择获取数据时，他将根据下一轮的可能状态计算该值，并将其更新为该选择。上图包含三种可能的选项

当然，在第一次培训期间，不会对以后的记录进行任何更新。直到奖赏或惩罚得到满足下图显示了这种情况

如果当前剩余数量是4，计算机玩家选择取3这是裁判对你获胜的反馈，所以那里的值(第4行，第3列)增加了10分。这是电脑玩家学会自己玩游戏的关键。如果裁判给他反馈说你输了，价值点将被同样的机制扣除。

让我们看看在那之后他是如何得到下面一行的分数的。假设我们已经训练了几轮，表格顶部的行得分为256以上

假设当前剩余数量为6，并且计算机玩家随机选择1，则可以确定下一个可能的状态区域 发现3行数据中没有一行是全零或负数，因此(第6行，第1列)那里的值除以3行区域中的最大值*学习率(即百分比)。 打个比方，电脑玩家继续和自己玩游戏，并不断更新表格中的分数。请注意，我们没有为整个项目编写任何游戏逻辑代码。只有奖惩相关的逻辑

游戏中胜利的秘密

上图显示了电脑玩家学习的表格数据。 你看到那些整行都是负面的吗，那些是注定要失败的状态这也是为什么我把电脑游戏的默认值设置为21，电脑先把它取下来，这样我就能赢。我们还看到，从2开始，每3个片段将有一个丢失的磁盘表面。

摘要

本文在最简单的强化学习中使用了Q-Table机制，让计算机学会自己玩游戏。这是一个非常适合开始的例子(他需要你修改查询表方法)

在

之后，我将改进游戏并使用不同的机器学习方法来实现这些功能。请期待它

如果你认为这篇文章对你有帮助，记得注意，评论，转发和收集哦~

女排超级联赛决赛天津上海_中国女排联赛决赛上海女排1-3不敌天津女排获亚军，实力差距明显医生被患者家属残忍杀害_ 无论公众是否接受，医生已自认为是弱势群体