战时年龄
战争年龄AI，这是我花费大量时间的项目，变成了大量的意大利面条代码。这是我的第一个大项目，它向我展示了我还需要学习多少，因为我在所有领域都缺乏（而且我很可能做到）。在这个项目的背景下，我做了以下操作：
如何不做项目
- 获取Warilla时代游戏游戏，制作一个模块，随着游戏的进行，通过OpenCV库提取数据并将其馈入整洁的算法。我没有意识到的是，在没有加快速度的游戏中评估30至50个代理商，平均每场比赛的平均游戏时间需要很多时间才能进行训练，并且没有产生显着的结果
- 获取作弊引擎，意识到它不适用于该特定的游戏，因为谁知道什么原因，然后找到闪存游戏的反编译器，然后将脚本注入催生文本文件以绕过整个OpenCV的内容以获取值。由于我设法使用作弊引擎加快了X2的速度，因此结果稍好一些，但仍然缺乏很多。
- 保持团结。由于我已经找到了游戏代码的方法，因此我对所有IT机制进行了逆转，并进行了一个非常忠实的模拟，该模拟与原始游戏具有完全相同的参数。
- 以10倍的速度模拟50个环境，并通过我的python脚本通过TCP进行通信，该脚本现在为所有这些环境及其各自的行为提供了一个整洁的经理。在这里，我实际上开始看到一些重要的结果和策略，并在正常模式下赢得了胜利。但我想要萌
- 完全放弃python脚本，训练和代理PPO的统一ML代理，并在切换参数之后获得它，并且其功能使其具有相当不错的策略，可以在硬模式下赢得游戏
- 在原始游戏中对其进行测试，并记录胜利，并意识到您在一个本来可以在3周内完成的项目中损失了2个月
- 仍然可以使用数学引擎手工制作一个可视化库，因为我在该主题上找到了一些很酷的YouTube视频，这些视频没有发布他们的存储库
您可以在这里看到这种痛苦的概述 - 我将100％回到此频道，以使其至少1M，但现在我还有其他目标可以追求。
在Python上运行3.7.9
输入：
- 训练中的部队人数（1输入）
- 敌人的HP-总健康的百分比（1输入）
- 我的HP-总健康的百分比（1输入）
- 金钱 - 通过基本单位成本归一化（货币/cost_of_basic_unit）（1个输入）
- XP-可以升级年龄是否升级（1输入）
- 可以激活能力 - 0到1冷却（1输入）
- 我的部队在地面1、2、3、4（4个输入）上
- 地面上的敌军1、2、3、4（4个输入）
- 可用的大炮插槽数（1个输入）
- 玩家年龄 - 一个热编码（5个输入）
- 敌人时代 - 一个热编码（5个输入）
- 带有炮塔和炮塔年龄的阵列（最大4）（1个输入，因为它们逐渐强大，而年龄折旧的输入1个输入）（每个插槽2）（8个输入）（8个输入）
- 当前的战斗在哪里发生（0-1您的基地到敌方基地）（1输入）
输出：
- 创建部队第1、2、3（3个行动）
- 创建第4层的空间年龄（1行动）
- 购买大炮插槽（1个动作）
- 购买Cannon Tier 1，2，3，首先可用的插槽（3个动作）
- 在某个插槽上出售大炮（4个动作）
- 等待（1个动作）
- 使用能力
依赖性：
pip install numpy paddlepaddle paddleocr opencv-python scipy neat-python
资产仅适用于该特定分辨率，如果您想修改游戏回复，则必须相应地更改资产规模（例如：制作游戏和资产X％较小）
您可以从这里下载我用于游戏的档案
