Machine Learning Flappy Bird
1.0.0
这是HTML5项目的源代码，该项目使用神经网络和遗传算法在Flappy Bird视频游戏中实现机器学习算法。该程序教会了一只小鸟如何最佳地拍打，以便尽可能长时间安全地穿越障碍。
完整的教程提供了更多详细信息和演示，您可以在这里找到：
http://www.askforgametask.com/tutorial/machine-learning-algorithm-flappy-bird
在这里，您还可以观看一个简单的算法介绍的简短视频：
https://www.youtube.com/watch?v=Aewmdojejf0
所有代码均使用用于神经网络实现的Phaser框架和突触神经网络库中的HTML5编写。
要玩游戏，每个单元（鸟）都有自己的神经网络，包括接下来的3层：
一个带有2个神经元的输入层，呈现出鸟看到的内容：
1) horizontal distance between the bird and the closest gap
2) height difference between the bird and the closest gap
带有6个神经元的隐藏层
具有1个神经元的输出层，用于提供以下操作：
if output > 0.5 then flap else do nothing
使用了突触神经网络库来实现整个人工神经网络，而不是从头开始制作新的神经网络。
该程序中实现的机器学习的主要概念是基于神经进化形式。它使用进化算法（例如遗传算法）来训练人工神经网络。这是主要步骤：
与随机神经网络创建新的10个单位（鸟）的新人群
让所有单元通过使用自己的神经网络同时玩游戏
对于每个单元，计算其适应性功能以衡量其质量为：
fitness = total travelled distance - distance to the closest gap
当所有单元被杀死时，使用遗传算法运算符（选择，交叉和突变）评估当前人群，如下所示：
1. sort the units of the current population in decreasing order by their fitness ranking
2. select the top 4 units and mark them as the winners of the current population
3. the 4 winners are directly passed on to the next population
4. to fill the rest of the next population, create 6 offsprings as follows:
- 1 offspring is made by a crossover of two best winners
- 3 offsprings are made by a crossover of two random winners
- 2 offsprings are direct copy of two random winners
5. to add some variations, apply random mutations on each offspring.
回到步骤2
由于该程序是使用移动器框架和突触神经网络库中的HTML5编写的，因此您需要以下文件：
整个游戏逻辑都在gameplay.js文件中实现。它由以下课程组成：
App.Main ，具有以下基本功能的主要例程：
TreeGroup Class ，扩展的移相组类，代表移动障碍。该组包含一个顶部和底部树斑点。
Tree Class ，扩展的移位精灵类，代表树林。
Bird Class ，扩展的移相雪翼级课程代表鸟类精灵。
Text Class ，用于绘制文本的扩展Phaser bitmaptext类。
遗传算法在遗传文件中实现，该文件由以下类组成：
GeneticAlgorithm Class ，即处理所有遗传算法操作的主要类别。它需要两个参数： max_units在人口和top_units中设置总单位数，以设置用于不断发展的人群的许多顶级单位（获胜者）。这是它的基本功能：
