鸟人玩垃圾游戏怎么玩
1、图片源自百度百科，作者|，译者|出品|科技大本营，：100，现在说起《愤怒的小鸟》游戏，要把人的回忆一下拉扯到差不多十年前了。它是一款当时一经推出就广受欢迎的游戏，玩家可以用弹弓把若干只小鸟弹射出去，目标是摧毁所有绿色的猪，并获得尽可能高的分数，经常有很多猪藏在复杂的结构之中。由于顺序的决策、不确定的游戏环境、复杂的状态和动作、功能特性不同的鸟，以及最佳弹射时机等因素，都使得《愤怒的小鸟》很难拥有一款好的代理。
2、近日，来自研究者发布论文《-》称，他们采用，-，算法实现了一款深度强化学习应用，可以用来玩《愤怒的小鸟》。他们的目的之一是创造一个游戏智能体，可以基于之前玩家在前21关的游戏记录来进行游戏闯关。为了实现这一目的，他们收集了游戏记录的数据集，为游戏代理提供了多种多样的方案。游戏中需要做很多有关顺序的决策，两次弹射之间会相互影响，每一次弹射的精准度也很重要。
3、例如，一次糟糕的决策可能会导致一只猪被若干个物体卡住。因此，为了更好地完成游戏中的任务，游戏代理要有基于决策对结果进行预测和模拟的能力。
4、以下为《-》论文的内容概述：相关工作2012年，首次举办了《愤怒的小鸟》大赛，随之出现了很多款游戏代理。在这里介绍两款比较优秀的代理，第一个是由来自捷克技术大学的队伍所开发的2014，该游戏代理至今保持着第三名的位置。就像他们在论文中描述的，他们的主要思想是基于当前环境、可能的弹射轨迹和鸟的类型来制定最佳策略。第二个是由滑铁卢大学和在2017《愤怒的小鸟》大赛中共同开发的智能玩家，他们的代理目前排在第16位。
5、据称，该游戏代理基于人工调试过的结构分析，即在多个策略中做选择，开发了一项简单的多策略能力。他们使用了机器学习算法学习决策制定能力。背景介绍为了解决《愤怒的小鸟》中的顺序决策问题，我们基于每个时间步长来考虑游戏环境ε。在每个时间步长，代理都会得到观察值，然后从可能的动作集中选择一个动作。
鸟人玩垃圾游戏怎么玩
1、接下来会得到奖励项。接下来代理的目标是基于下面的公式将奖励项最大化：在上面的公式中，为当前状态，为所选的动作，为奖励项，是权重系数，来决定奖励项对未来结果的重要性。现在我们定义最佳值如下：。在每个状态选择最大值所对应的动作，我们就可以获得最佳策略。
2、算法理论基础。为了模拟最佳-函数，我们使用深度神经网络作为非线性函数逼近器，我们定义一个逼近函数：其中，为网络进行第次迭代的权重。如论文中所说，将强化学习算法与非线性函数逼近器，如神经网络，结合使用会不稳定，甚至产生偏移，原因如下：)序列中观察值之间的关联性；)值与值之间的关联性；)该方法对值的变化极其敏感。-试图用技术解决第一个问题，即经验回放。
3、该技术通过将所收集的数据随机化，去除了序列中观测值之间的相关性。我们对经验的定义如下：。其中，为时刻的状态，为时刻采取的动作，为+1时刻的奖励，为执行后的状态。
4、我们将经验保存在经验集中：。接下来，我们从经验集中抽样出部分经验，在网络中对值进行更新。
5、为了解决第二个问题，需要用到下面的损失函数：。其中，为迭代次数，为权重系数，为实时网络的权重，为目标网络的权重。接下来，我们的目标如下：原始的算法对动作选择和动作表现的评估两个步骤都采用了最大值，这很可能导致过度估计。