前文回顾

在上篇文章中，我们约定了一种衡量格子价值的方式，如下表。

综合价值排序 己方价值 敌方价值 对应的奖励数值
1 Lv1 ? \(2^{20}\)
2 ? Lv1 \(2^{16}\)
3 Lv2 ? \(2^{12}\)
4 ？ Lv2 \(2^{8}\)
5 Lv3 ？ \(2^{4}\)
6 Lv4 ？ \(2^{0}\)

在该表中，对不同的情形，设计了不同的奖励数值，这些数值大多是采用经验公式，人为估计的数值，并不是最优良的数值。同样的，在上表中的除前两类为，其余都可根据实际情况进一步的细分权重，这里给出一个样例供大家参考/理解：

综合价值排序 己方价值 敌方价值 对应的奖励数值
3.1 Lv2 Lv2 \(2^{13}\)
3.2 Lv2 Lv3 \(2^{12}\)
3.3 Lv2 Lv4 \(2^{11}\)

同样是能构成杀招(Lv2等级)，能顺便堵死对面杀招/优良的位置自然是更好的。

在附录中给出了详细的权重表

本篇中我们将基于遗传算法讨论如何让AI学习奖励值。

遗传算法概述

遗传算法（Genetic Algorithm, GA）是一种模拟自然选择和遗传机制的优化算法。它用于寻找问题的最优解，特别适用于复杂的优化问题和搜索问题。遗传算法基于达尔文的自然选择理论，通过模拟生物进化过程来逐步改进解决方案。

遗传算法的基本步骤如下：

  1. 初始化：创建一个初始种群，种群中的每一个个体（通常称为染色体或解）是问题的一个潜在解。

  2. 评估：计算种群中每个个体的适应度值，这通常通过一个目标函数来进行，适应度值表示个体的优劣。

  3. 选择：根据适应度值选择个体进行繁殖，优良个体有更高的概率被选择，以生成下一代种群。

  4. 交叉（Crossover）：通过将两个个体的部分基因交换，生成新的个体。这一步模仿了生物的交配过程，可以产生新的解。

  5. 变异（Mutation）：在某些个体中随机改变基因，以引入新的基因变异。这一步帮助算法跳出局部最优解，增加解的多样性。

  6. 替换：将一部分个体替换为最优良的个体，保留最优秀的基因，使得种群的型状不会出现下降或震荡。

  7. 终止：判断算法是否满足终止条件，如达到最大迭代次数或找到足够好的解。如果满足条件，算法终止，返回最优解；否则，返回第2步。

遗传算法实现思路

初始化

本文所设计的AI决策方案共包含12个参数，其中11个是奖励权重
\(R_i\)
，1个是对劣质选项接受度
\(K\)
。

我们可以定义
\(N\)
个智能体，分别用初始权重进行初始化，一般来说，
\(N\)
可以取10~100，最好选择偶数，否则会有一些不必要的麻烦。

初始化过程可以用数学公式表示为：

\[W_i^{t=0} = W_0
\]

其中，
\(W_0\)
表示初始权重，
\(W_i^{t=0}\)
表示第
\(t\)
代的第
\(i\)
个个体。

评估

本例中，采用让AI对弈的方式，根据AI在棋局中的表现评估AI得分，具体流程如下：

  1. 生成一个从1到N的随机排列，并将其按顺序分配给AI
  2. 将序号为1、3、5、...的AI与序号为2、4、6、...的AI对弈
  3. 将棋局结果记录到AI得分表内。
  4. 是否完成
    \(N_R\)
    轮对局，倘若未完成，则返回到1。
  5. 对AI进行排名。

交叉

当完成排名时，让排名后50%的AI及前50%的AI两两组合，其数学公式如下

\[\begin{align*}
W_{i}^{t+1}&=W_i^t\times(1-c)+W_{i-50}^t\times c, &N/2 \leq &t \leq N \\
W_{i}^{t+1}&=W_i^t\times(1-c)+W_{i+50}^t\times c, &0 \leq &t \leq N/2
\end{align*}
\]

其中：
\(c\)
为学习因子（交叉率），表示AI在学习过程中对新知识（权重）的接受程度，
\(c\)
越大，AI越倾向于接受新权重，
\(c\)
越小，AI越倾向于保留旧权重。交叉率
\(c\)
一搬可取
\(0.01\sim0.3\)

替换

首先定义局部最优个体和全局最优个体。

  • 局部最优
    \(W_b^t\)
    ：如果一个个体在本轮中的综合成绩排名为第一名（胜场最多），那么称其为局部最优个体。

  • 全局最优
    \(W_B\)
    ：当只进行一轮迭代时，全局最优个体等于局部最优个体，即：
    \(W_B=W_b^{t=0}\)
    。当进行了不止一局游戏时，将新的局部最优个体与全局最优个体进行
    \(N_R\)
    轮对局，倘若全局最优个体获胜，则其依旧为全局最优个体，倘若其失败，则局部最优个体成为新的全局最优个体。可以用数学公式表示为：

\[W_B=
\begin{cases}
W_b^t &\text{if}\;W_b^t \;\text{win},\\
W_B &\text{otherwise}.
\end{cases}
\]

为了保留最优的性状，将排名靠后的部分个体替换为全局最优个体，记替换率为
\(s\)
，一般取
\(0.02\sim 0.1\)

变异

在变异过程中，个体的基因发生随机的改变。定义变异系数
\(m\)
，其绝对了变异的程度，一般来说
\(m\)
的范围在
\(0.01\sim0.1\)
数学公式如下：

\[W_{i,j}^{t}=W^t_{i,j}\times (1+m_j)
\]

其中
\(W_{i,j}^{t}\)
表示第
\(t\)
代的第
\(i\)
个个体的第
\(j\)
个权重，
\(m_j\)
是在
\((-m,m)\)
内的随机数。

流程汇总

以下给出遗传算法学习的流程

  1. 初始化种群

  2. 创建棋局，各个个体互相对战，统计得分并进行排名

  3. 判断是否达到停止条件，若不是则继续。

  4. 依排名将个体两两匹配，进行交叉操作

  5. 将排名靠后的个体分别替换为局部最优个体和全局最优个体

  6. 进行变异操作

  7. 转至步骤2

附录

行为优先级

  • Lv1：下子直接取胜，或在一回合内取胜。
  • Lv2：下在大概率在若干回合内取胜。
  • Lv3：能够迫使对方一直防御。
  • Lv4：收益较低。

初始权重表

综合价值排序 己方价值 敌方价值 对应的奖励数值
1 Lv1 ? \(2^{20}\)
2 ? Lv1 \(2^{16}\)
3.1 Lv2 Lv2 \(2^{13}\)
3.2 Lv2 Lv3 \(2^{12}\)
3.3 Lv2 Lv4 \(2^{11}\)
4.1 Lv3 Lv2 \(2^{9}\)
4.2 Lv4 Lv2 \(2^{8}\)
5.1 Lv3 Lv3 \(2^{6}\)
5.2 Lv3 Lv4 \(2^{4}\)
6.1 Lv4 Lv3 \(2^{2}\)
6.2 Lv4 Lv4 \(2^{0}\)

符号说明

符号 意义 数值范围
\(W\) 个体（权重） -
\(R\) 行动的奖励 -
\(K\) 对劣选项的接受程度 -
\(N\) 种群大小 10~100
\(N_R\) 评估时的对局轮数 10~100
\(T\) 迭代次数 20~500
\(c\) 交叉率 0.01~0.03
\(s\) 替换率 0.02~0.1
\(m\) 变异率 0.01~0.1

标签: none

添加新评论