参考
PPO算法逐行代码详解
链接
通过网盘分享的文件：PlaneWar
链接: https://pan.baidu.com/s/1cbLKTcBxL6Aem3WkyDtPzg?pwd=1234 提取码: 1234
10.17关于博客发了又改这件事
悲催的事
今天训练了一早上ppo模型，满怀期待的检测成果时发现一点长进都没有。结果查出来一件悲催的事，模型一直都在输出静止指令！昨晚只训练了一会，刚好看到有个得了200分的模型，还以为ok了的。
现在想想，不知道我是运气好还是不好，那个飞机就靠着随机数(dqn遗留下来的，我没删)拿了个200分，还把我骗过去了…只能说游戏特性造就了它，静止时没子弹打他，随机数又帮它躲子弹和拿buff，要是在贪吃蛇，活不过一秒
修改
连续换了几个关键词，总算在github上找到了使用ppo的游戏ai。
这次就快很多了，一顿cv，甚至都不用怎么改(开源万岁！)，因为它是用pygame实现游戏的。
这次不敢怎么改了，太多坑了。但是不改的话，ai只能决定移动方向，过于死板。人类玩的时候可以通过按钮的点击时长来控制飞机速度，而ai只能一点点挪动。因此，我将输出值由之前的4变成了13(不够还可以再加),即4*3+1。
0 -> 静止
1 5 9 上 2 6 10 右 速度依次增大
direction = actionif direction == 0:distance = 0else:#1 2 3 4 上 右 左 下 好别扭呀distance=5*int(direction/4+1)direction=direction%4+110.16
静默
昨晚问了一下gpt，将昨天的静默模式完善了一下(之前的贪吃蛇在训练时就是静默的，同时32个一起训，可惜这个项目不太好实现，报“无法序列化”类似的错)。
dqn改成了ppo
效果拔群！！！
平均分明显挺高了好多。
就是改的过程有点折磨人了。一开始想找博客，没见有直接用游戏做示例的，直接看又没心思。想着去问ai简单点，
给的很痛快，bug一堆…改了一小时后，它成功帮我克服了数学恐惧症，找博客看了。
将博客代码cv进去后，由于本项目传进net中的是一整张图，我在网上找不到啥相关了，只好又跟ai斗智斗勇了一番。早上九点研究到下午五点，一直在找bug。
结果吃了顿饭回来，才发现可以参考dqn的代码(有时候脑袋不灵光，很简单的事就是想不通)。工作量一下就缩小了好几倍！后面就是将dqn中的update函数魔改成ppo的(个人感觉dqn改成ppo主要改这里就行)
有些问题实在难以解决，那就只能灵活一下，绕过去了。
ppo的强大
换成了ppo,画面不卡顿了，模型文件变小了(dqn 600MB,现在ppo 3MB)，平均分也变高了。
起始分
每次都要重新开始会导致缺少对抗boss的经验。通过设置初始分，起到类似选择关卡的作用，开局对战boss(200分第一个boss出现)。
10.15
奖励分
昨晚看到别的强化学习视频，发现之前设计的奖惩机制太简陋了。有些奖励分重复，例如角色受到的伤害与敌人造成的伤害都会给予惩罚(不知道当初咋想的)，有些需要奖励的没给到位，例如没有存活分。
研究了一早上关于奖励的机制后，总体表现好了点，却出现了新问题，现在经常突然就冲进敌群里自杀。刚开始我以为是击杀分过高了，导致ai过于勇猛。结果几度大砍击杀分和增强存活分(有可能造就一个怂货)，反而更猛了，还学会了冲到最上面去吃伤害…
不信邪的我打了几个log，看了一下奖励分到底怎么变化的。无效，跟我想的差不多，但效果却大相径庭。
pygame卡顿
敌人过多时，会导致卡住。通过装饰器测了一下时间，发现游戏刷新耗废了大部分时间。
期间又是修修改改，缝缝补补。又是暂停计时器，又是进程中夹带线程，还不小心搞成了静默模式。