点击这里进入人工智能嘚吧嘚目录，观看全部文章
人工智能是研究什么的？
—— 智能体Agent。
研究智能体的什么？
——感知能力、思维能力、行动能力。
假设有一种极其简单的单细胞病毒生物，它可以感知到周边环境中糖分的浓度，如果浓度低于上一位置它就后退，如果浓度高于上一位置它就前进。
- 感知能力就是对周边糖分的分辨能力。
- 思维能力就是根据糖分变化决定如何行动。
- 行动能力就是实现前进或后退。
更多智能体相关的讨论可以参考经典人工智能教材《人工智能：一种现代方法》。
下面用代码模拟一个简单的扫地机器人智能体：
- 感知能力：查找当前位置的灰尘dust。
- 思维能力：找到周边上下左右四个位置的中的随机一个。
- 行动能力：清理当前位置的灰尘和上下左右行进。
创建地图和灰尘
dusts和bot都是一个列表的列表，[[],[],...]，bot其实使用单层[x,y]也可以。
dusts是所有灰尘的实际位置列表，[[32,11,1],[87,22,1]...],三个数字前两个是x,y坐标，第三个1表示未被清理。
mapGrid是地图每个方格单元列表,二维嵌套,[[{},{},...],[{},{},...],...],以便于通过横列col和行row索引到，比如mapGrid[col][row]获得一个单元。
mapGrid的每个单元是一个dict，可以包含很多信息，其中'dusts'属性是灰尘在dusts中的序号的列表。{'dusts':[34,21]}表示这个位置有两个灰尘，分别是dusts[34]和dusts[21]。
import plotly.offline as py
import plotly.graph_objs as go
import time
import random
import math
py.init_notebook_mode()
dusts = [[random.randint(0, 99), random.randint(0, 99), 1] for i in range(100)]
bot = [[random.randint(0, 9), random.randint(0, 9)]]
#尘土放入地图
mapGrid = [[{'dusts': []} for x in range(10)] for y in range(10)]
for i in range(len(dusts)):
col = math.floor(dusts[i][0] / 10)
row = math.floor(dusts[i][1] / 10)
mapGrid[col][row]['dusts'].append(i)
fig = go.Figure()
bot_data = dict(
x=[bot[0][0] * 10 + 5],
y=[bot[0][1] * 10 + 5],
mode='markers',
name='bot',
marker={
'color': 'red',
'size': 25,
'symbol': 'circle'
})
dust_data = dict(
x=[d[0] for d in dusts if d[2] == 1],
y=[d[1] for d in dusts if d[2] == 1],
mode='markers',
name='dust',
marker={
'color': 'gray',
'size': 5,
'symbol': 'circle'
})
layout = go.Layout(
title='TEST',
autosize=False,
width=500,
height=500,
xaxis=dict(
autorange=False,
range=(0, 100),
dtick=10,
showline=True,
mirror='ticks',
),
yaxis=dict(
autorange=False,
range=(0, 100),
dtick=10,
showline=True,
mirror='ticks',
))
f = go.FigureWidget([dust_data, bot_data], layout)
清理当前位置灰尘的函数
在这里def的函数并没有使用位置参数，而是直接针对bot的位置进行清理，并且清理后直接更新了plotly数据。这只是为了偷懒。
注意mapGrid[bot[0][0]][bot[0][1]]['dusts']获得当前位置灰尘索引的列表，如[34,21]。
[d[0] for d in dusts if d[2] == 1]这两句是重建plotly的数据。
#清理当前位置
def clean():
cell_dusts = mapGrid[bot[0][0]][bot[0][1]]['dusts']
for d in cell_dusts:
dusts[d][2] = 0
f.data[0]['x'] = [d[0] for d in dusts if d[2] == 1]
f.data[0]['y'] = [d[1] for d in dusts if d[2] == 1]
clean()
移动机器人的函数
canto是可能的移动方向，上下左右四个x,y构成的方向向量。
moveto = canto[random.randint(0, len(canto) - 1)],是随机一个方向，注意random.randint(a,b)的时候，a和b都可能取到，所以要减1。
对nextpos进行0~9的约束，防止超出地图范围。
最终返回的bot[0] != orgpos表示是否bot真的被移动了，因为有可能移动超出0~9范围导致被自动重置回来，这种情况下应该不计算步数。
#移动机器人
def bot_move():
canto = [[1, 0], [-1, 0], [0, 1], [0, -1]]
moveto = canto[random.randint(0, len(canto) - 1)]
orgpos = [bot[0][0], bot[0][1]]
nextpos = [bot[0][0] + moveto[0], bot[0][1] + moveto[1]]
if nextpos[0] < 0:
nextpos[0] = 0
if nextpos[0] > 9:
nextpos[0] = 9
if nextpos[1] < 0:
nextpos[1] = 0
if nextpos[1] > 9:
nextpos[1] = 9
bot[0] = [nextpos[0], nextpos[1]]
f.data[1]['x'] = [bot[0][0] * 10 + 5]
f.data[1]['y'] = [bot[0][1] * 10 + 5]
return bot[0] != orgpos
显示游戏
用f做变量很不合理，但懒就不改了...
直接f在Notebook中显示图像。
f
进行50次并统计剩余灰尘数量
step是实际步数，run是循环执行次数，由于有些时候bot超出范围被重置回来就没有形成实际步数，所以run>=step。
注意只在形成实际移动的情况下才time.sleep，没实际移动就不停顿等待。
step = 0
run = 0
for i in range(1000):
if step < 50:
domove = bot_move()
run += 1
if domove:
step += 1
time.sleep(0.1)
clean()
print(run, step, len([d for d in dusts if d[2] == 1]))
更智能的思维能力
一般情况这个结果都很糟糕，行动50步，但只能清理掉1/3左右的灰尘，而实际我们知道如果按照某个顺序逐个位置清理，不重叠的路径，那么平均应该可以清理掉50个灰尘才对。
下面的代码改变了移动策略，bot先判断上下左右四个位置的灰尘数量，然后向灰尘最多的方向前进（如果同样多就随机选一个）。
使用了三个cell代码实现这个策略。
把范围约束定义为函数备用。
#如果超出范围就重置
def rerange(n):
if n < 0:
n = 0
if n > 9:
n = 9
return n
直接根据bot的位置计算上下左右四个格子灰尘数量，返回最多灰尘的方向。
#计算上下左右四个格子的粒子数，返回最多一格的方向
def evaluate():
pos = bot[0]
canto = [[1, 0], [-1, 0], [0, 1], [0, -1]]
posli = [[pos[0] + offset[0], pos[1] + offset[1]] for offset in canto]
countli = []
for n in range(len(posli)):
p = posli[n]
if p[0] == rerange(p[0]) and p[1] == rerange(p[1]):
cell_dusts=[d for d in mapGrid[p[0]][p[1]]['dusts'] if dusts[d][2]==1]
countli.append(len(cell_dusts))
else:
countli.append(-1)
maxn = max(countli)
gotoli = [i for (i, v) in enumerate(countli) if v == maxn]
randgoton = gotoli[random.randint(0, len(gotoli)-1)]
return canto[randgoton]
evaluate()
改写原有的移动机器人的函数。
#移动机器人
def bot_move():
orgpos = [bot[0][0], bot[0][1]]
offset = evaluate()
nextpos = [orgpos[0] + offset[0], orgpos[1] + offset[1]]
nextpos[0]=rerange(nextpos[0])
nextpos[1]=rerange(nextpos[1])
bot[0] = [nextpos[0], nextpos[1]]
f.data[1]['x'] = [bot[0][0] * 10 + 5]
f.data[1]['y'] = [bot[0][1] * 10 + 5]
return bot[0] != orgpos
这样的bot的清理效率要远高于随机的情况，有时候会明显高于50%，但有些情况bot陷入空白区域也会乱转导致低于预期。
当然还可以考虑预测两步的情况，上下左右四个位置，以及每个位置周边3个位置，共4组4个位置分别求灰尘总数，然后向此方向前进。当然还有有其他的算法，比如考虑[1,0][2,0]这样的更远的位置。总之，扩大智能体的感知能力肯定可以明显提高清理效率。
这是极其简陋的智能体案例，其实主要用来帮助新手熟悉python语法用的，尤其是数组的操作。如果你有更好的想法请留言分享给大家~
点击这里进入人工智能DBD嘚吧嘚目录，观看全部文章
每个人的智能新时代
如果您发现文章错误，请不吝留言指正；
如果您觉得有用，请点喜欢；
如果您觉得很有用，欢迎转载~
END