Machine Learning Flappy Bird
1.0.0
這是HTML5項目的源代碼，該項目使用神經網絡和遺傳算法在Flappy Bird視頻遊戲中實現機器學習算法。該程序教會了一隻小鳥如何最佳地拍打，以便盡可能長時間安全地穿越障礙。
完整的教程提供了更多詳細信息和演示，您可以在這裡找到：
http://www.askforgametask.com/tutorial/machine-learning-algorithm-flappy-bird
在這裡，您還可以觀看一個簡單的算法介紹的簡短視頻：
https://www.youtube.com/watch?v=Aewmdojejf0
所有代碼均使用用於神經網絡實現的Phaser框架和突觸神經網絡庫中的HTML5編寫。
要玩遊戲，每個單元（鳥）都有自己的神經網絡，包括接下來的3層：
一個帶有2個神經元的輸入層，呈現出鳥看到的內容：
1) horizontal distance between the bird and the closest gap
2) height difference between the bird and the closest gap
帶有6個神經元的隱藏層
具有1個神經元的輸出層，用於提供以下操作：
if output > 0.5 then flap else do nothing
使用了突觸神經網絡庫來實現整個人工神經網絡，而不是從頭開始製作新的神經網絡。
該程序中實現的機器學習的主要概念是基於神經進化形式。它使用進化算法（例如遺傳算法）來訓練人工神經網絡。這是主要步驟：
與隨機神經網絡創建新的10個單位（鳥）的新人群
讓所有單元通過使用自己的神經網絡同時玩遊戲
對於每個單元，計算其適應性功能以衡量其質量為：
fitness = total travelled distance - distance to the closest gap
當所有單元被殺死時，使用遺傳算法運算符（選擇，交叉和突變）評估當前人群，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.
回到步驟2
由於該程序是使用移動器框架和突觸神經網絡庫中的HTML5編寫的，因此您需要以下文件：
整個遊戲邏輯都在gameplay.js文件中實現。它由以下課程組成：
App.Main ，具有以下基本功能的主要例程：
TreeGroup Class ，擴展的移相組類，代表移動障礙。該組包含一個頂部和底部樹斑點。
Tree Class ，擴展的移位精靈類，代表樹林。
Bird Class ，擴展的移相雪翼級課程代表鳥類精靈。
Text Class ，用於繪製文本的擴展Phaser bitmaptext類。
遺傳算法在遺傳文件中實現，該文件由以下類組成：
GeneticAlgorithm Class ，即處理所有遺傳算法操作的主要類別。它需要兩個參數： max_units在人口和top_units中設置總單位數，以設置用於不斷發展的人群的許多頂級單位（獲勝者）。這是它的基本功能：
