用N.E.A.T遗传算法玩FlappyBird(二)

简介: 用N.E.A.T遗传算法玩FlappyBird

下一个类是Pipe():在该类中,我们将定义以下方法:

"""Code for the Pipe Class"""classPipe:
gap=220#velocityofpipes, sincethepipesmoveandthebirddoesnotvel=4def__init__(self, x):
#xbecausethepipesaregoingtoberandomself.x=xself.height=0#creatingvariblestokeeptrackofwherethetopandbottomofthepipearegoingtobedrawnself.top=0self.bottom=0self.top_pipe=pygame.transform.flip(img_pipe, False, True)
self.bottom_pipe=img_pipe#ifthebirdhaspassedthepipeself.passed=False#thismethodwillshowwhereourpipesareandwhatthegapbetweenthemisself.set_height()
defset_height(self):
#randomizestheplacementofpipesself.height=random.randrange(40, 450)
self.top=self.height-self.top_pipe.get_height()
self.bottom=self.height+self.gapdefmove(self):
self.x=self.x-self.veldefdraw(self, win):
win.blit(self.top_pipe, (self.x, self.top))
win.blit(self.bottom_pipe, (self.x, self.bottom))
defcollide(self, bird, win):
bird_mask=bird.get_mask()
top_mask=pygame.mask.from_surface(self.top_pipe)
bottom_mask=pygame.mask.from_surface(self.bottom_pipe)
top_offset= (self.x-bird.x, self.top-round(bird.y))
bottom_offset= (self.x-bird.x, self.bottom-round(bird.y))
#findingthepointofcollisionbottom_point=bird_mask.overlap(bottom_mask, bottom_offset)
top_point=bird_mask.overlap(top_mask, top_offset)
iftop_pointorbottom_point:
returnTruereturnFalse

下一个类是Base()。我们将使基底看起来是无限移动的。但在理论上,我们实际上是在循环两张照片(一张在另一张后面)。查看下面解释这一点的图表。

640.png

我们将在这个类中定义的方法是:

move(self):这个方法将每帧图像向左移动一段距离。然后,当第一张图像完全离开屏幕时,它很快就会转到第二张图像后面,这样循环直到终止。

draw(self, win):在窗口上绘制两个基础图像。

"""Code for the Base Class"""classBase():
vel=5width=img_base.get_width()
img=img_basedef__init__(self, y):
self.y=yself.x1=0self.x2=self.widthdefmove(self):
self.x1-=self.velself.x2-=self.velifself.x1+self.width<0:
self.x1=self.x2+self.widthifself.x2+self.width<0:
self.x2=self.x1+self.widthdefdraw(self, win):
win.blit(self.img, (self.x1, self.y))
win.blit(self.img, (self.x2, self.y))

下一步是在窗口上绘制所有内容,如所有管道、分数、其他数据等。这里要做的重要的事情是确保你是在类之外写的,也就是说,从零缩进开始。

"""Code to Render Pipes, Birds, Stats, etc. on the Window"""defdraw_window(win, birds, pipes, base, score, gen, pipe_number, fitness):
ifgen==0:
gen=1win.blit(img_background, (0, 0))
forpipeinpipes:
pipe.draw(win)
#showingallthetextlabelsscore_text=flappy_font.render(str(score), 0, (255, 255, 255))
win.blit(score_text, (window_width-score_text.get_width() -230, 100))
#showingthegenerationnumbergen_text=window_font.render(
"Species Generation Num: "+str(gen), 1, (0, 0, 0))
win.blit(gen_text, (10, 5))
#showingthenumberofbirdsthatarealiveintheprovidedframealive_text=window_font.render("Alive: "+str(len(birds)), 1, (0, 0, 0))
win.blit(alive_text, (10, 25))
#showingthetotalnumberofbirdsthathavebeenmutatedinthecurrentframemutated_text=window_font.render(
"Mutated: "+str(15-len(birds)), 1, (231, 84, 128))
win.blit(mutated_text, (10, 45))
#showingthefitnessvalueofthebirdsfitness_text=window_font.render(
"Fitness: "+str(fitness), 1, (0, 255, 0))
win.blit(fitness_text, (10, 65))
#showingthefitnessthresholdthatshouldbereachedbeforeautomaticallyterminatingtheprogramfitness_t_text=window_font.render(
"Fitness Threshold: 1000", 1, (0, 0, 0))
win.blit(fitness_t_text, (window_width-fitness_t_text.get_width() -10, 5))
#showingthepopulationofthebirdsthatwillbebredeverygenerationpopulation_text=window_font.render("Population: 15", 1, (0, 0, 0))
win.blit(population_text, (window_width-population_text.get_width() -10, 25))
base.draw(win)
forbirdinbirds:
bird.draw(win)
pygame.display.update()
目录
相关文章
|
机器学习/深度学习 网络协议 Python
用N.E.A.T遗传算法玩FlappyBird(二)
用N.E.A.T遗传算法玩FlappyBird(二)
109 0
用N.E.A.T遗传算法玩FlappyBird(二)
|
机器学习/深度学习 人工智能 开发工具
用N.E.A.T遗传算法玩FlappyBird(一)
用N.E.A.T遗传算法玩FlappyBird
130 0
用N.E.A.T遗传算法玩FlappyBird(一)
|
19天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
4天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
5天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
6天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
5天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
5天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
21 3
|
16天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
17天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
下一篇
无影云桌面