本文转载自1024开发者社区
虽然没有谷歌强大的集和DeepMind变态的算法的团队，但基于深度强化学习（Deep Q Network DQN ）的自制小游戏AI效果同样很赞。先上效果图：
下面分四个部分，具体给大家介绍。
/1/背景介绍
2013年DeepMind团队发表论文“Playing Atari with Deep Reinforcement Learning”，用Q-Network模型成功让AI玩起了Atari系列游戏。并于2015年在Nature上发表了一篇升级版，“Human-level control through deep reinforcement learning”，自此，在这类游戏领域，人已经无法超过机器了。AI玩游戏的姿势是这样的：
后来的故事大家都很熟悉了，AlphaGo击败世界冠军，星际争霸2职业选手也被打败，连大家接触较多的王者荣耀也不能幸免。
/2/深度强化学习模型
看完了轻松的部分，下面简单介绍一下模型。DQN是DRL的一种算法，它将卷积神经网络（CNN）和Q-Learning结合起来。
Q-learning是强化学习的一种，原理图如下：
也就是Agent在观察得到当前的状态state和回报reward的基础上，选取输出一个动作action，进而影响环境，使环境状态和回报都产生变化。通过不断循环让Agent学习如何在环境中获得更高的回报。
卷积神经网络CNN是图像处理领域非常经典的神经网络模型，在本模型中，输入是原始图像数据，输出为每个动作action对应的评估值。
因此DQN总体结构是这样的：
图比较简单，但原理很清晰，是将Agent中的模型用CNN来代替，环境的State为游戏界面截图，输出为AI的动作，在飞机大战中就是飞机向左、向右还是不动。回报reward具体为，在一次循环中没有被击中为0.1，被击中为-1，击中敌机为1。图中回放记忆单元、当前网络和目标网络都是为了将CNN这种需要大量样本的监督学习融合在强化学习模型中的手段。篇幅限制这里只是概述性的介绍，后期会专门讲。
/3/模型实现
3.1程序的总体结构
程序主函数在PlaneDQN.py中，与DQN模型相关的函数在BrainDQN_Nature.py中，游戏模型在game文件夹中，训练过程保存的训练值在saved_networks文件夹中。
3.2主函数搭建
大家注意看while循环里的结构，其实非常明确：
- getaction()为在当前的Q值下选取动作
- framestep()为运行环境，并输出观测值
- process()为对图像数据进行处理的函数
- setPerception()根据图像和回报，对网络进行训练
3.3 游戏类GameState和framestep
通过pygame实现游戏界面的搭建，分别建立子弹类、玩家类、敌机类和游戏类，结构代码所示。
其中GameState中的framestep()函数，是整个DQN运行一次使环境发生变化的基础函数，该函数运行一次，会根据inputaction进行动作实施，接着会在该时段对界面上的元素进行移动，并判断是否撞击。最后通过get_surface获取界面图像，最后返回环境的image_data，reward和游戏是否停止的terminal。本文游戏效果图为：
为提高模型收敛速度，在实际运行时将背景图片去掉。
3.4 DQN模型类
该部分为DQN模型的核心，主要有根据参数建立CNN网络的createQNetwork()，进行模型训练的trainQNetwork()，进行动作选择的getAction()。
3.5图像处理
图像预处理调用cv2库函数，对图像进行大小和灰度处理。
/4/环境搭建
- 系统：Ubuntu16.04、win10
- Python3.5
- pygame 1.9.4
- TensorFlow1.11（GPU版）
- OpenCV-Python
公众号中回复“AI飞机”，获取代码，包含训练500000次的结果。本程序对硬件要求不高，显存2GB以上就可运行。
