一个小目标——AI操作游戏

这是想象中最后的样子

DeepMind在13年发了一篇paper，叫做”Playing Atari with Deep Reinforcement Learning”，讲的是怎么教计算机玩atari游戏

OpenAI也花了很多精力在教计算机玩游戏，他们甚至搞了一个叫做gym和另一个叫做universe的开源平台，可以让每个人都用这个平台教计算机玩游戏，gym用来玩atari，flappy bird，贪食蛇这种小游戏，universe则用来玩GTA5，赛车这种大型3D游戏

当计算机把玩游戏的技能树点满之后，可以如何让这个世界变得更美好，一个真实的案例来自Google的数据中心能源节约。

Google有巨大的服务器集群，要让这些服务器集群高效稳定的工作，需要复杂的供电分配，散热调度等等，高额的电费自然少不了。 然而Google把这些复杂的资源分配问题，看作是一款策略游戏（用电分配大亨），然后让计算机去玩这个游戏

答案是，Google利用DeepMind的技术，在能源上，节约了15％的消耗。大概可以节省 19,812,750美元，还顺便保护了环境

但是，这两个项目都是用的Python语言

我们还是想使用MatLab来玩游戏，如果直接上手FC游戏需要获取画面，这个功能在前期完成

扫雷

MATLAB自动扫雷(1)——雷区扫描

MATLAB自动扫雷(2)——排雷插旗

MATLAB自动扫雷(3)——整体运行

时已经实现，通过

数字图像处理比如

分水岭变换图像分割接触对象

增强弱光图像

获取游戏状态，传入

神经网络

神经网络回顾总结

后获得动作响应。这些前期知识都已准备好，但是实现游戏的操作还需要强化学习。

准备按以下几步在matlab当中慢慢来

1-实现gym的algorithmic中各项

2-操作algorithmic中各项

3-实现gym的toy_text游戏

4-操作toy_text游戏

5-实现gym的classic_control(利用simulink中的simmechanics)

6-操作classic_control

7-连接gym的Atari游戏

8-操作Atari游戏

永远相信美好的事情即将发生！