我必须做一个关于遗传算法的术语项目，我有想法调整第一人称射击游戏机器人的特征（即要使用的武器等）。例如，我将以字符串的形式表示特征，前10位代表选择武器1的概率，接下来10位代表选择武器2的概率等等。因此，我将得到最佳字符串，从而能够弄清楚什么应该是我应该使用的最佳武器。
我面临的一个明显问题是如何找到健身值。我的想法是，如果我想找到一个字符串的适应性，我强迫机器人使用相应的武器并对其进行游戏，并使用机器人的最终得分作为健身。问题是我需要玩一大堆游戏。
我可以做某种模拟吗？例如，我可以以某种方式得到一个函数f，我将在其中提供机器人的特征（例如：武器等），它会返回相应的适应值吗？开源FPS游戏提供这样的库吗？
另一种选择是进入游戏的源代码，然后继续模拟各种场景并注意每个场景中的得分。我宁愿没有进入游戏源的额外复杂性，因为这是一个短暂的（1个月）项目。
感谢。
答案 0 :(得分：4)
我认为你的项目对于一个月的项目非常复杂。
这不是那么令人兴奋，但也许你可以看一下棋盘游戏或纸牌游戏的策略。这是一个更简单的情况，许多游戏可以轻松快速地模拟，允许您使用遗传算法找到一个良好的游戏策略。它将教你遗传算法的原理，而不需要你理解模拟第一人称射击游戏所需的大量源代码。
答案 1 :(得分：2)
我同意Mark Byers的观点，对于为期一个月的项目来说，这有点过于雄心勃勃。
无论如何，您可能需要查看NERO（神经演化机器人操作员），这是一款基于Ken Stanley算法NEAT（增强拓扑的神经演化）的游戏。
您可能还想查看Stanley的论文：
针对不同语言存在多种NEAT实现，因此这可能是一个开始。
答案 2 :(得分：0)
你的健身功能可以是给定机器人对待坐鸭对手多少DPS。例如。让机器人攻击玩家，不要反击。
您可以记住健身，因此不必重复测试重复的个体。
或者，你可以通过将2个人放在对方的队伍中，看看谁杀了谁来使最适者的生存成为文字。
因为从技术上讲，你不需要健身功能，只是一种比较个体的方法。
为了减少比较次数，可以通过锦标赛比较每一代的个人，例如
A
}-> A
B
}-> C
C
}-> C
D
表明前两个人是C，然后是A.
答案 3 :(得分：0)
您可以使用现有的机器人生成数据（如果有的话），如果可以的话。
或者，您可以使用Autohotkey（搜索谷歌）生成一系列按键和鼠标按键，并使机器人以某种方式自动播放。