基于JAVA平台的flappy bird游戏设计谢昊,昝乡镇

在不少人眼中,电子游戏是第九艺术,容易被青少年接受,所以具有极大的市场。但是当今社会,生活节奏飞快,大部分人已经没法静下心来花大量时间去玩某个"3A"大作。而flappy bird游戏正是一款快节奏的Side-Scrolling (横向卷轴)游戏。该文以当前比较热门的JAVA语言,在需求分析的基础上,开发并设计了经典的flappy bird游戏。

基于强化学习的Flappy Bird游戏交互

介绍了基于强化学习实现自动飞行的Flappy Bird的整个开发流程。其中讲解了前期准备工作需要配置的一些开发环境,并且讲述了模型训练前期存在的问题及其训练的核心技术,同时介绍在3个端(PC端、安卓端、树莓派端)人工智能模块的实现。

Q-Learning算法的改进和实现

机器学习领域开始越来越受人们关注并且也是人工智能最新的探寻方向。最近几年强化学习的研究增长部分原因是在玩一些电子游戏中可以达到人类所达不到的高水平。使用基于策略的强化学习算法可以更好地适应游戏环境,探索出一种相对稳定的路径,达到全局最优的目标。本文研究的是基于强化学习Q-learning算法的Play Flappy Bird游戏。首先研究了强化学习的理论知识,对马尔可夫决策、动态规划、值函数近似、时间差分等相关理论进行了深入研究。重点研究了建立Flappy Bird游戏中的状态、行为、奖励数学模型,为了得到最优策略,对每一个状态下的目标是使总奖励最大化。在此基础上,本文将对深度卷积神经网络模型展开训练,从而可以识别游戏状态中的图像,并对其进行分类。系统仿真成功地运用深度Q-learning模型实现Flappy Bird的自我学习,探索概率ε在550,000更新中从0.6线性下降到0,学习率一开始非常陡峭,但随后达到稳定,在比较短的时间内实现收敛效果,训练误差较低。智能体训练达到理想效果,均值得分为86分,最高得分为335分,已经超过普通人类玩家,取得了良好的成绩。