游戏开发中的人工智能（完）：遗传算法

继续上述

本文的内容：遗传算法提供了游戏软件AI发展的可能性。尽管遗传算法不经常用于游戏中，但它们在某些特定应用中的潜力值得期望，尤其是与其他方法结合使用时。

遗传算法

在现实世界中，物种将继续发展以更好地适应环境，并且这些物种也是最合适的生物，可以继续生存。

遗传算法是一种计算模型，可以模拟达尔文生物进化论的自然选择和遗传机制。这是一种通过模拟自然进化过程来搜索最佳解决方案的方法。

通过使用遗传算法，例如现实世界，游戏世界中的元素也可以发展并适应不同的环境，从而使它们变得更聪明。

进化过程

游戏中遗传算法的实现分为四个步骤，如图15-3所示。

创建第一代：整个比赛将加载一组起始功能

适用性分类：小组开始与环境互动后，必须以某种方式对个人进行分类，这将告诉我们小组中哪些人是最好的。

选择：选择种族中的一些人来复制并使用上一代的最佳特征来复制下一代

进化：结合这些特征以更强的适应性再现下一代的过程

遗传算法实际上是一个优化过程，我们尝试找到最有弹性的一组功能，也就是说，我们正在寻找解决特定问题的最佳解决方案。

第一代

第一代种族中的每个人都代表了当前问题的可能解决方案之一。建立第一代的方法之一是随机配置染色体。

编码是将染色体存储在计算机中的数据结构中的过程。遗传算法通常使用字符串kaiyun全站网页版登录，阵列，列表和树结构。

图15-4是花的第一代示例。这些虚幻的花朵含有一些随机的染色体，会影响它们在环境中的生长。

适合性等级

此步骤是评估种族中的每个人。我们试图找到族裔中最好的个人，并且通常通过健身功能来做到这一点。健身功能的目的是对种族中的个人进行分类，然后知道哪些人是当前问题的最佳答案。

图15-5是花健身分类的结果。在这里，假设最高的花是最适应性的花。

选择

在选择过程中，我们选择哪些适合性最高的人将重现下一代。在生物学世界中，通常是父母为后代造成染色体。在游戏开发中，可以将父母合并。例如kaiyun官方网站登录入口kaiyun全站app登录入口，可以合并前两个，五个或十个人的特征。

图15-6显示了使用健身函数计算出的平衡，以选择最佳个体以产生下一代。在这种情况下，选择最高的两朵花。

进化

进化是使用选择步骤建立新个体的过程。我们从人口中最合适的个体中取出单独的染色体，并开始结合其染色体。目前，您还应该注意引入随机突变（现实世界中还会有染色体突变）。演化过程完成后，返回健身分类的步骤。

在此示例中，我们将两朵最高花的染色体组合在一起，形成了新花，在此过程中引入了两个随机突变，如图15-7所示。

植物生命的演变

第一个例子是如何应用遗传算法以使花在环境中连续繁殖和生长。

我们定义了一系列花朵生长的假设环境条件。每朵花都包含遗传信息，表明其理想的生长环境。理想的生长环境和花的实际条件将增长最高。

最高的花将被视为最合适的，其遗传信息将传递给下一代。这将使花生出生时繁殖