Unity中利用遗传算法训练MLP
Unity中利用遗传算法训练MLP
梯度下降法训练神经网络通常需要我们给定训练的输入-输出数据，而用遗传算法会便捷很多，它不需要我们给定好数据，只需要随机化多个权重进行N次“繁衍进化”，就可以得出效果不错的网络。
这种训练方式的好处就是不需要训练用的预期输出数据，适合那类可以简单通过环境交互判断训练好坏的神经网络AI。当然，坏处就是训练的时间可能需要很长很长，尤其是神经网络比较庞大时。
完整项目gitee链接：点击这里
用Compute Shader实现神经网络
神经网络的计算一般都用矩阵优化，像python语言者学习实现神经网络时，通常会借助numpy的torch进行计算，加速运算过程。
个人曾经尝试过以单个神经元为最小单位实现的神经网络，但其实这种做法并不好。后来尝试过使用C#的MathNet库中的矩阵，但它发现并没有在硬件层面对矩阵运算进行加速。虽说对于小规模网络，即便不加速计算也不会太影响性能，但总觉得得考虑得更长远些。
想到神经网络的预测过程中，其实我们只关心输入层与输出层，而隐藏层的那些计算结果其实根本不在乎。欸~这似乎很适合用Compute Shader来完成！
隐藏层计算的结果完全可以只在留在ComputeBuffer，只有输入层需要将数据写入以及输出层将结果读取，CPU与GPU间数据的传递并不会很多；而且Compute Shader强大的并行计算能力也可以加速我们的运算过程。
但由于本文注意还是像讲遗传算法，就不喧宾夺主了，具体的实现会包含到文末的项目链接中。
遗传算法
在中学生物课本有提到达尔文的自然选择学说四个主要观点：过度繁殖、生存竞争、遗传和变异、适者生存。遗传算法就是借鉴了其中的思想，它的整个流程及其相似：
初始化种群
在本例中，我们想要获取神经网络中各层合适的权重与偏置的值，来使神经网络的输出符合预期，所以我们将整个神经网络的所有权重与偏置视为一个个体。
using System;
using System.Collections;
using System.Collections.Generic;
using UnityEngine;
namespace JufGame
{
[CreateAssetMenu(menuName = ("JufGame/AI/ANN/WeightBias"), fileName = ("WeightAndBias_"))]
public class WeightBiasMemory : ScriptableObject
{
[Serializable]
public struct LayerWeightAndBias
{
public int inputCount;
public int outputCount;
public float[] weights;
public float[] bias;
}
[Tooltip("各全连层的权重和偏置")]
public LayerWeightAndBias[] WeiBiasArray;
[Tooltip("全连接层的compute shader")]
public ComputeShader affine;
[Tooltip("激活函数的compute shader")]
public ComputeShader activateFunc;
[Tooltip("损失函数的compute shader")]
public ComputeShader lossFunc;
[Tooltip("当前损失函数在反向传播时是否要载入上次输出，用于sigmoid等函数")]
public bool isLoadLastOutput;
[Header("随机初始化权重")]
[Tooltip("是否要随机初始化")]
public bool isRandomWeightAndBias = false;
[Tooltip("当前权重是否是训练成功后的")]
public bool isFinishedWeightAndBias = false;
[Tooltip("随机初始化的最大值和最小值")]
public float minRandValue = -1, maxRandValue = 1;
[Tooltip("是否随机化权重")]
public bool isRandomBias = false;
private void OnValidate()
{
if(isRandomWeightAndBias && !isFinishedWeightAndBias)
{
RandomWeightAndBias(ref WeiBiasArray, minRandValue, maxRandValue, isRandomBias);
isRandomWeightAndBias = false;
}
}
/// <summary>
/// 随机初始化权重和偏置
/// </summary>
/// <param name="WeiBiasArray">被随机化的数层权重和偏置</param>
/// <param name="minRandValue">最小随机值</param>
/// <param name="maxRandValue">最大随机值</param>
/// <param name="isRandomBias">偏置是否也要随机化，如果false则置0</param>
public static void RandomWeightAndBias(ref LayerWeightAndBias[] WeiBiasArray, float minRandValue,
float maxRandValue, bool isRandomBias = false)
{
var rand = new System.Random();
foreach (var wb in WeiBiasArray)
{
float range = maxRandValue - minRandValue;
// 初始化权重
for (int i = 0; i < wb.weights.Length; ++i)
{
wb.weights[i] = (float)(rand.NextDouble() * range + minRandValue); // 使用指定范围生成随机数
}
// 初始化偏置
for (int i = 0; i < wb.bias.Length; ++i)
{
wb.bias[i] = isRandomBias ? (float)(rand.NextDouble() * range + minRandValue) : 0;
}
}
}
/// <summary>
/// 深拷贝所有层的权重与偏置
/// </summary>
/// <param name="source">拷贝源</param>
/// <param name="target">目标处</param>
public static void DeepCopyAllLayerWB(ref LayerWeightAndBias[] source, ref LayerWeightAndBias[] target)
{
for(int i = 0, j; i < source.Length; ++i)
{
var wb = target[i];
for (j = 0; j < wb.weights.Length; ++j)
{
wb.weights[j] = source[i].weights[j];
}
for (j = 0; j < wb.bias.Length; ++j)
{
wb.bias[j] = source[i].bias[j];
}
}
}
/// <summary>
/// 交换所有层的权重与偏置
/// </summary>
public static void DeepSwap(ref LayerWeightAndBias[] a, ref LayerWeightAndBias[] b)
{
float tp;
for(int i = 0, j; i < a.Length; ++i)
{
var wb = b[i];
for (j = 0; j < wb.weights.Length; ++j)
{
tp = wb.weights[j];
wb.weights[j] = a[i].weights[j];
a[i].weights[j] = tp;
}
for (j = 0; j < wb.bias.Length; ++j)
{
tp = wb.bias[j];
wb.bias[j] = a[i].bias[j];
a[i].bias[j] = tp;
}
}
}
}
}
using System.Collections;
using System.Collections.Generic;
using UnityEngine;
namespace JufGame
{
//遗传算法中的个体，具体逻辑需继承该类扩展
public class GAUnit : MonoBehaviour
{
public WeightBiasMemory memory;
public float FitNess;
public bool isOver;
public virtual void ReStart()
{
isOver = false;
FitNess = 0;
}
}
}
然后初始化指定数量的该类个体作为初始种群，担任原始父本，并让个体权重与偏置随机化。这样一来，每个个体就都是不同的了，至于它们中谁具有更好的潜质，就需要通过竞争得知了。
竞争
我们让游戏中的使用神经网络决策的AI个体，分别应用种群中各个体作为神经网络的权重与偏置，并直接应用神经网络进行决策。由于这些权重与偏置都是随机的，执行的效果几乎都不堪入目。
private void FixedUpdate()
{
if(isEndTrain) //如果选择结束训练，则保留当前最好的个体
{
SaveBest();
}
else if(TrainUnit.isOver) //如果当前训练单位的训练结束
{
parents[curIndex].fitness = TrainUnit.FitNess;
TrainUnit.ReStart();
//轮流将当前父本中个体权重与偏置赋给训练单位进行决策
if(++curIndex < AllPopulation)
{
WeightBiasMemory.DeepCopyAllLayerWB(ref parents[curIndex].WB, ref TrainUnit.memory.WeiBiasArray);
}
//……
}
}
但我们需要“矮子里拔高个”，设计一个评估函数计算每个个体的适应度。比如评估一个小车，我们就可以通过它行驶的距离、速度等进行加权和得到一个适应度。总之，要确保评估函数的计算结果能合理表达出决策结果的好坏。
繁殖与变异
现在，我们要随机从原始父本中选出两个不同的个体，进行繁殖得到两个新的个体。
这个繁殖的过程很简单，与染色体互换的过程极其相似。对于新权重和偏置，随机从两个作为父本的个体选择一个，选取其对应部分的值。每个位置都这么做一遍，就得到了两个新个体（子代）。
但值得注意的是，如果是自然界，其实更优秀的个体会拥有更大的繁殖机会。所以，我们可以使用一种叫轮盘赌的随机选择方式，代替之前的纯随机选择。这样，就可以让适应度更高的个体有更大机会变成父本，但也保留弱小个体被选中的可能。
以上图蓝色段被选中的机会为例，原本它应当为0.4，也就是生成一个0~1的随机数，如果随机数的值小于0.4，那么蓝色就被选中。
而转化为轮盘赌后，蓝色段的部分为0.227~0.59，也就是只有随机值落在这个范围内时，它才会被选中。如果是其它值，就留给其它段了。
可以明显看出，这样的选择更照顾整体，原本大的值会有更大概率被选中，但小的也有机会。代码实现也非常简单：
//计算轮盘赌概率分布
private void CalcRouletteWheel()
{
float totalFitness = 0f;
for (int i = 0; i < parents.Length; i++)
{
totalFitness += parents[i].fitness;
}
float cumulativeSum = 0f;
for (int i = 0; i < cumulativeProbabilities.Length; i++)
{
cumulativeSum += (parents[i].fitness / totalFitness);
cumulativeProbabilities[i] = cumulativeSum;
}
}
//轮盘赌随机下标
private int GetRouletteRandom()
{
float rand = Random.value;
// 选择个体
for (int i = 0; i < cumulativeProbabilities.Length; i++)
{
if (rand < cumulativeProbabilities[i])
{
return i;
}
}
// 如果没有找到，返回最后一个个体（通常不会发生）
return cumulativeProbabilities.Length - 1;
}
现在还有一个问题，仅仅只是交叉互换，那么最终得到的最优个体也只会囿于初始种群。如果初始种群中无论怎么交叉互换都无法得到优良个体又该怎么办？这时就得靠变异了。
变异的手段并不固定，只要能做到突破就可以。我的做法就是在原本数值的基础上随机增减一个小数值。但变异通常不能太频繁发生，我们要为它规定一个较小的概率，否则大规模的变异反而会破坏优良父本的传承。
变异的发生可以与繁殖放在一起：
private void GetChild()
{
int p1, p2;
for(int i = 0; i < parents.Length; i += 2)
{
p2 = p1 = GetRouletteRandom();
var curWB = parents[i].WB;
while(p1 == p2 && parents.Length > 1)
{
p2 = GetRouletteRandom();
}
for(int j = 0; j < curWB.Length; ++j)
{
var curW = curWB[j].weights;
for (int k = 0; k < curW.Length; ++k)
{
if(Random.value < 0.5)
{
children[i].WB[j].weights[k] = parents[p2].WB[j].weights[k];
if (i + 1 < children.Length)
{
children[i + 1].WB[j].weights[k] = parents[p1].WB[j].weights[k];
}
}
else
{
children[i].WB[j].weights[k] = parents[p1].WB[j].weights[k];
if (i + 1 < children.Length)
{
children[i + 1].WB[j].weights[k] = parents[p2].WB[j].weights[k];
}
}
if (Random.value < mutationRate) //随机变异，mutationRate为变异率
{
//mutationScale为变异的幅度，即变异带来的数值增减幅度
children[i].WB[j].weights[k] += Random.Range(-mutationScale, mutationScale);
}
if (i + 1 < children.Length && Random.value < mutationRate)
{
children[i + 1].WB[j].weights[k] += Random.Range(-mutationScale, mutationScale);
}
}
var curB = curWB[j].bias;
for (int k = 0; k < curB.Length; ++k)
{
if(Random.value < 0.5)
{
children[i].WB[j].bias[k] = parents[p2].WB[j].bias[k];
if (i + 1 < children.Length)
{
children[i + 1].WB[j].bias[k] = parents[p1].WB[j].bias[k];
}
}
else
{
children[i].WB[j].bias[k] = parents[p1].WB[j].bias[k];
if (i + 1 < children.Length)
{
children[i + 1].WB[j].bias[k] = parents[p2].WB[j].bias[k];
}
}
if (Random.value < mutationRate) //随机变异，mutationRate为变异率
{
//mutationScale为变异的幅度，即变异带来的数值增减幅度
children[i].WB[j].bias[k] += Random.Range(-mutationScale, mutationScale);
}
if (i + 1 < children.Length && Random.value < mutationRate)
{
children[i + 1].WB[j].bias[k] += Random.Range(-mutationScale, mutationScale);
}
}
}
}
}
优胜劣汰
在繁殖得到新的一批子代后，我们将这些子代也进行一次竞争，这样所有的父代、子代就都有各自的适应度了。我们将它们一起根据适应度进行排序，显然，如果父代的数量是N，那么总共就有2N个个体。在排序后我们选择前N个个体做为本轮的优胜者，也是下轮的新父本。
//在父代和子代组成的整体中选出适应度高的新父代
private void GetBest()
{
for(int i = 0; i < totalPopulation.Length; ++i)
{
if (i < AllPopulation)
totalPopulation[i] = parents[i];
else
totalPopulation[i] = children[i - AllPopulation];
}
Array.Sort(totalPopulation, (a, b) => b.fitness.CompareTo(a.fitness));
}
也就是说，有更高适应度的个体能存活下来，其他的就被淘汰。而这些存活下来的个体会不断重复这个过程。在数次 （或是无数次 迭代后，我们就一定可以得到理想中的个体（比如适应度超高的那种）。这时，我们就可以结束算法了。
实例：赛道小球
用一个比较简单的实例，串一遍整个过程。我们将训练一个用来跑赛道的小球。
1. 创建神经网络
在我的实现中，已将网络结构以ScriptObject形式存储，我们先新建一个，在Project下右键Create/ANN/WeightAngBias：
然后设置具体结构，这次要完成的工作比较简单，就是训练一个可以绕圈跑的小球，所以网络结构比较简单。两个隐藏层足矣（对应Wei Bias Array的两个元素），这个神经网络接受三个输入，输出两个数据。
至于中间其它参数的设计要符合神经网络的结构，具体来说就是：每一层的Weights数量要等于InputCount * OutputCount；除了第一层外，其它层的InputCount要等于上一层的OutputCount。（如果你对神经网络有所了解，那就能理解这些
Affine固定使用同名的Compute Shader，至于Activate Func和Loss Func其实可以不管，因为遗传算法训练用不着。
2. 创建遗传个体
场景中已有一个球形物体，挂载了继承GAUnit的Car脚本 （原本是想做成车的
神经网络的3个输入数据就来自小球的三条射线检测：
private void CheckEnv()
{
totalSensor = 0;
for(int i = 0; i < direactions.Length; ++i)
{
var dir = transform.TransformDirection(direactions[i]);
if(Physics.Raycast(transform.position, dir, out RaycastHit hit,
rayLength[i], hitMask, QueryTriggerInteraction.Ignore))
{
inputVal[i] = hit.distance / rayLength[i];
}
else
{
inputVal[i] = 1;
}
totalSensor += inputVal[i];
}
}
神经网络的两个输出分别用来控制，移动速度以及角位移：
private void RunMLP()
{
myMLP.Predict(inputVal);
moveVel = transform.TransformDirection(new Vector3( 0, 0, myMLP.outputData[0] * 10));
moveVel = Vector3.MoveTowards(rb.velocity, moveVel, 0.02f);
rb.velocity = moveVel;
transform.eulerAngles += new Vector3(0, myMLP.outputData[1] * 90 * Time.fixedDeltaTime, 0);
}
我们还需要设计一个衡量适应度的函数。而因为我们打算训练一个能在赛道正中央前进的小球，所以这里主要考虑「位移距离、 速度、 检测距离」以及「是否有碰到墙」。一旦isOver为true后，GA会让小球回到起始点，进行新的训练.
private void CalculateFitness()
{
totalMoveDis += Vector3.Distance(transform.position, lastPos);
avgSpeed = totalMoveDis / runningTime;
//适应度 与 位移距离、 速度、 检测距离 有关
FitNess = (totalMoveDis*distanceMultipler) + (avgSpeed*avgSpeedMultiplier) + ( totalSensor / inputVal.Length *sensorMultiplier);
if (runningTime > 20 && FitNess < 40) //存活足够时间且适应度不低时，结束本轮
{
isOver = true;
}
if(FitNess >= 1000) //适应度很高时，直接算成功，结束
{
isOver = true;
}
}
private void OnCollisionEnter(Collision other)
{
if(!isOver && hitMask.ContainLayer(other.gameObject.layer))
{
isOver = true; //碰到墙上，直接结束
rb.velocity = Vector3.zero;
}
}
这样，个体的设置就搞定了，它将作为训练时的运行个体。
3. 遗传算法训练器
在场景中任意激活的物体上，挂载GA脚本，并将Car拖拽在指定位置：
这个脚本中All Population是初始化种群的数量，这里填50。但注意，这并不会让场景中出现50个小球，而是每轮小球得重复50次来逐一尝试种群中的个体。Mutation Rate是变异率，这里填0.3;Mutation Scale是变异幅度默认为1即可。
至于绿色框内的，Is End Train用来结束遗传算法的训练，并将最好的结果保存到先前的ScriptObject中。其余只是用来观察小球当前训练情况而已。
一切就绪后，点击运行即可训练。训练时我们可以调整Project Settings/Time/Time Scale加速训练。
需要注意的是，当你想测试小球时，一定要关闭GA脚本，或者将Train Unit置空，否则一运行就会又重新训练Train Unit中的个体。比如这里，花了4分钟训练出了一个能走圈的小球 （虽说是倒着走的，保存训练结果，就要先勾上Is End Train，再终止运行，而后取消启用GA；这时再运行，会发现小球可以自动绕圈走了：
尾声
完整的训练视频在项目中有。这篇写的比较烂捏，如果了解神经网络，或许这篇就好看懂些。大伙感兴趣就把玩下项目吧，也可以尝试更复杂的赛道，更庞大的网络 （估计训练会很久。
