这篇博文详细介绍了一个令人着迷的项目,该项目使用遗传算法 (GA) 来模拟点向目标导航,同时避开障碍物。 GA 模仿自然选择,根据点与目标的接近程度迭代地改进它们。
遗传算法实现:
GA 遵循以下标准步骤:
模拟概述:
模拟可视化了一群点的演化过程,以达到红色方形目标。每个点的运动都是由它的“基因”(一系列运动方向)决定的。 通过选择、突变和复制,种群会适应,提高其在绕过黑色矩形障碍物时到达目标的能力。
关键模拟组件:
项目设置(Python 与 Pygame):
该项目使用 Pygame 进行可视化。 关键的全局变量控制模拟的参数(种群大小、突变率等)。 Dot
类代表各个点,管理它们的位置、运动和适应性。
初始模拟(单点):
初始代码模拟单个点随机移动,直到它退出屏幕边界。这是引入种群和 GA 之前的基础步骤。
人口模拟:
Population
类管理点组。 update
方法移动点并检查与障碍物的碰撞。 模拟现在显示多个同时移动的点。
添加障碍和目标:
引入Obstacle
和 Goal
类来分别表示障碍物和目标。 实施碰撞检测,导致点在碰撞时“死亡”。模拟现在包括一个红色目标方块和一个黑色矩形障碍物。
实现遗传算法(复制):
get_fitness
类中的Dot
方法计算适应度。 Population
类获得 generate_next_generation
和 select_best_dots
方法来实现选择、复制(最初而不是交叉)、变异和精英主义。现在,模拟显示了人口的几代演变。
未来增强:
未来的博客文章将涵盖:
完整的代码(到目前为止)可以在 GitHub 上找到。 尝试代码并分享您的发现! 加入 AICraftsLab Discord 社区,与其他人工智能爱好者交流。
以上是使用遗传算法进行点模拟 - 第 1 部分的详细内容。更多信息请关注PHP中文网其他相关文章!