Juego-Culebra-IA-Deep-Q-learning

Juego retro de la Culebra IA con Python, Tenserflow, Keras, Pygame. Ejercicio de aprendizaje de redes neuronales con Deep Q-learning

En el archivo deepQlearning.py se encuentran dos clases, Agente y BufferDeReproduccion, con la primera se hace la construccion del modelo, aprendizaje y prediccion y con la segunda se almacenan los datos relevantes en memoria para el aprendizaje.

Al ejecutar se puede elegir entre entrenar el modelo o ver a la culebra en accion, sin embargo para que funcione correctamente este ultimo ya se debe tener un modelo entrenado.

Se puede elegir en el entrenamiento visualizarlo o no, si no se vizualiza se ejecuta mas rapido.

Se usa deep Q-learning para entrenar el modelo, se le da recompensas por alcanzar las frutas y castigos por chocar con el cuerpo o las paredes, despues de al rededor de entrenarlo por unos 150 juegos, este es el resultado del aprendizaje.

Usando esta tecnica es muy improbable que llegue a completar el juego ya que solo actua de forma que se dirige a las frutas casi siempre, sin embargo es incapaz de generar alguna estrategia compleja cuando su cuerpo es muy largo.

La red neuronal consiste en 4 capas de 256 neuronas, con una funcion de activacion relu, el modelo se compila con un optimizador Adam.

El modelo entrenado (con los pesos ajustados) se guarda en el archivo modeloDQN.h5.

Las clases del archivo deepQlearning.py estan inspiradas en el video de Machine Learning with Phil, Deep Q Learning is Simple with Keras | Tutorial.