在 python 中设置可变数量的输入节点

Question

我有一个简单的游戏，其中有一个球在屏幕上弹跳，玩家可以在屏幕左右移动并向上射箭弹出球，每次玩家击球时，球爆裂并分裂成两个较小的球，直到它们达到最小尺寸并消失。我正在尝试使用基于 python neat 库的遗传算法和关于 flappy bird https://www.youtube.com/watch?v=MMxFDaIOHsE&list=PLzMcBGfZo4-lwGZWXz5Qgta_YNX3_vLS2 的本教程来解决这个游戏，所以我有一个配置文件，我必须在其中指定有多少输入节点必须在网络中，我曾想将玩家的 x 坐标、玩家的 x 坐标与球的 x 坐标之间的距离以及玩家的 y 坐标与球的 y 坐标之间的距离作为输入。

我的问题是，在游戏开始时我只有一个球，但经过几次移动后屏幕上可能会有更多球，所以我应该有更多的输入节点，球上的球越多屏幕越多，我必须提供给网络的输入坐标越多。

那么如何可变的设置输入节点个数呢？

配置-feedforward.txt文件

"""
# network parameters
num_hidden              = 0
num_inputs              = 3 #this needs to be variable
num_outputs             = 3
"""

python 文件

    for index,player in enumerate(game.players):
        balls_array_x = []
        balls_array_y = []

        for ball in game.balls:
            balls_array_x.append(ball.x)
            balls_array_x.append(ball.y)




        output = np.argmax(nets[index].activate(("there may be a number of variable arguments here")))


        #other...

最终代码

for index,player in enumerate(game.players):
    balls_array_x = []
    balls_array_y = []

    for ball in game.balls:
        balls_array_x.append(ball.x)
        balls_array_y.append(ball.y)

  
    distance_list = []
    player_x = player.x
    player_y = player.y
    
    i = 0

    while i < len(balls_array_x):
        dist = math.sqrt((balls_array_x[i] - player_x) ** 2 + (balls_array_y[i] - player_y) ** 2)
        distance_list.append(dist)
        i+=1

    i = 0

    if len(distance_list) > 0:
        nearest_ball = min(distance_list)

        output = np.argmax(nets[index].activate((player.x,player.y,nearest_ball)))

Answer 1

这是一个很好的问题，据我快速搜索 Google 可以看出，像 NEAT 这样的简单 ML 算法还没有解决。

Deep NN 的传统大小调整方法（填充、裁剪、RNN、middle-layers 等）显然不能在这里应用，因为 NEAT 显式编码每个神经元和连接。

我也不知道有什么通用的 method/trick 可以使传统 NEAT 算法的输入大小可变，坦率地说，我认为没有。虽然我可以想到对算法进行一些更改来实现这一点，但我想这对你没有帮助。

因此我认为您有 3 个选择：

您将输入大小增加到算法应跟踪的最大球数，并将 non-existent 个球的 x-diff/y-diff 值设置为不可能的数字（例如 -1 ).如果球出现，你实际上设置了那些 x-diff/y-diff 输入神经元的值，并在它们消失时再次将它们设置为 -1。然后让 NEAT 解决。同样值得考虑连接 2 个独立的 NEAT NN，第一个 NN 有 2 个输入，1 个输出，第二个 NN 有 1（玩家位置）+ x（最大球数）输入和 2 个输出（左，右）。第一个 NN 为每个球位置生成一个输出（并且每个球都相同），第二个 NN 获取第一个 NN 的输出并将其转化为一个动作。另外：最大球数不一定是最大可显示球数，也可以限制为10个，只考虑最近的10个球。
您只考虑每个动作方 1 个球（使您的输入为 1 + 2*2）。这可能是考虑每侧最低的球或每侧最近的球。这样的预处理可以使如此简单的 NN 任务变得非常容易解决。也许您可以在您的测试环境中添加惯性，从而添加一个 non-linearity，这使得总是 teleport/hurry 到最低的球不是那么简单。
您将整个观察结果 space 输入 NEAT（或均匀下采样的分数），例如整个游戏在任何分辨率下都是最低但仍然合理的。我知道这个观察 space 是巨大的，但是 NEAT 在处理这样的 space 方面效果很好。

我知道这不是您可能希望的 NEAT 的可变输入大小选项，但我不知道有任何这样的通用选项option/trick在不显着改变底层 NEAT 算法的情况下。

不过，如果有人知道更好的选择，我很乐意得到纠正！

在 python 中设置可变数量的输入节点

set variable number of input nodes in python neat

python

genetic-algorithm