Flappy Learning (演示)

通过机器学习（神经进化）来学习玩《Flappy Bird》的程序。

NeuroEvolution.js：使用方法

// 初始化
var ne = new Neuroevolution({options});

// 默认选项值
var options = {
    network: [1, [1], 1],    // 感知器结构
    population: 50,          // 每代种群数量
    elitism: 0.2,            // 下一代中保持不变的最佳网络比例
    randomBehaviour: 0.2,    // 下一代中新生成的随机网络比例
    mutationRate: 0.1,       // 突变率，作用于突触权重
    mutationRange: 0.5,      // 突触权重突变的变化范围
    historic: 0,             // 保存的最新几代
    lowHistoric: false,      // 只保存得分，不保存网络本身
    scoreSort: -1,           // 排序方式（-1 = 降序，1 = 升序）
    nbChild: 1               // 每次繁殖产生的子代数量
}

// 随时更新选项
ne.set({options});

// 生成第一代或下一代
var generation = ne.nextGeneration();

// 当某个网络游戏结束时 -> 保存该得分
ne.networkScore(generation[x], <score = 0>);

您可以在 Game.js 中查看神经进化的集成实现。

FlappyLearning 快速上手指南

FlappyLearning 是一个基于**神经进化（Neuroevolution）**算法的开源项目，能够教会 AI 自动玩 Flappy Bird 游戏。其核心逻辑封装在 Neuroevolution.js 中，可独立用于其他需要强化学习的场景。

环境准备

本项目主要基于 JavaScript 运行，无需复杂的后端环境。

• 系统要求：任意支持现代浏览器的操作系统（Windows, macOS, Linux）。
• 前置依赖：
  • 现代浏览器（推荐 Chrome, Firefox, Edge）。
  • 可选：Node.js（若需在本地服务器运行或进行构建）。
  • 代码编辑器（VS Code, WebStorm 等）。

提示：由于该项目纯前端实现，国内开发者可直接下载源码包或使用本地静态服务器运行，无需特殊网络加速即可加载核心逻辑。

安装步骤

你可以通过克隆仓库或直接下载源码的方式获取项目。

方式一：使用 Git 克隆（推荐）

git clone https://github.com/xviniette/FlappyLearning.git
cd FlappyLearning

方式二：直接运行演示

如果你只想查看效果或测试核心逻辑，可以直接在浏览器打开官方 Demo，或本地启动一个静态服务器：

# 如果已安装 http-server (npm install -g http-server)
http-server .

# 然后在浏览器访问 http://localhost:8080

核心算法文件位于根目录下的 Neuroevolution.js，游戏逻辑位于 game.js。你可以直接将 Neuroevolution.js 引入到你自己的 HTML 项目中。

基本使用

以下是如何在你的项目中初始化并配置神经进化算法的最简示例。

1. 引入库文件

在你的 HTML 文件中引入核心脚本：

<script src="Neuroevolution.js"></script>

2. 初始化与配置

在 JavaScript 中创建实例并设置参数。默认配置如下：

// 初始化神经进化实例
var ne = new Neuroevolution({options});

// 默认配置选项
var options = {
    network:[1, [1], 1],    // 感知机结构 (输入层，隐藏层，输出层)
    population:50,          // 每代种群数量
    elitism:0.2,            // 精英保留率 (表现最好的网络直接保留到下一代)
    randomBehaviour:0.2,    // 随机行为率 (下一代中随机生成的新网络比例)
    mutationRate:0.1,       // 突变率 (突触权重的变异概率)
    mutationRange:0.5,      // 突变范围 (突触权重变异的区间)
    historic:0,             // 保存最近几代的历史记录 (0 为不保存)
    lowHistoric:false,      // 是否仅保存分数而不保存网络结构
    scoreSort:-1,           // 分数排序方式 (-1 降序，1 升序)
    nbChild:1               // 每次繁殖产生的子代数量
}

// 随时更新配置
ne.set({options});

3. 运行世代循环

生成新一代网络，并在游戏结束时记录分数：

// 生成第一代或下一代网络群体
var generation = ne.nextGeneration();

// 当某个网络（玩家）游戏结束时，记录其得分
// generation[x] 代表第 x 个网络实例，<score> 为该实例的最终得分
ne.networkScore(generation[x], <score = 0>);

4. 集成参考

完整的 Flappy Bird 游戏集成逻辑（包括如何获取游戏状态作为输入、如何输出跳跃指令）请参考项目中的 game.js 文件。该文件展示了如何将 Neuroevolution 实例与实际的游戏循环（Game Loop）相结合。