1 当前使用 AI 玩对抗性游戏的主要分两种：以星际为首的 RTS 游戏，和以 DOTA为 首的 MOBA 游戏。两种游戏侧重的学习难点不同：对于星际类的游戏来说，单个 unit 的行为较为简单，主要学习的是如何进行兵力组选择和进攻策略；而对于 DOTA 类的游戏来说，对于一个英雄的操作来说是相当复杂的（涉及到技能连招，攻击目标选择，走位等等），因此这类游戏主要学习的是单英雄的操控。

　　（名词解释及感悟： RTS   即时战略游戏（Real-Time Strategy Game），简称RTS。游戏是策略游戏（Strategy Game）的一种。游戏是即时进行的，而不是策略游戏多见的回合制。另外玩家在游戏中经常会扮演将军，进行调兵遣将这种宏观操作。)

　　背景知识

　  2论文中介绍，训练 AI 的方法同样也是基于 actor-critc 的神经网络，但在此基础上针对性的做出了一些改进：

　　　　1利用人类先验知识来减少动作探索空间。

　　　　2. 将一个人为操作下的多个子操作独立开来。

　　　　3. 设定攻击目标选定网络，用于选定攻击目标。

　　　　4. 使用改进PPO算法，论文中称为dual-clip PPO。

　　　　5. 使用LSTM来学习英雄技能连招的释放。

　　　　6. 在系统设计方面，为了快速产生大规模的数据样本，使用多个不同游戏场景同时产生数据并存到 Memory Pool 中，并使用多个RL学习器并行学习。

在训练完成后，期望训练 AI 能够完成进攻、诱导、防御、欺骗和技能连招释放的能力。由于游戏中英雄之间技能相差非常大，因此对每个英雄来说都需要训练一个独立的控制AI。对于每一个英雄，AI Lab 使用 18,000 个 CPU 核以及 48 张 P40 显卡（￥14600一张）进行训练学习。每张 GPU 每秒可训练 80000 个样本数据，算下来每天训练的数据等于人类 500 年的学习量。

　　（名词解释    PPO(Proximal Policy Optimization)近端策略优化算法   https://cloud.tencent.com/developer/article/1781590　　　　　

　　　　　　　长短期记忆（Long short-term memory, 　　LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在更长的序列中有更好的表现。通过门控状态来控制传输状态，记住需要长时间记忆的，忘记不重要的信息；而不像普通的RNN那样只能够“呆萌”地仅有一种记忆叠加方式。对很多需要“长期记忆”的任务来说，尤其好用。但也因为引入了很多内容，导致参数变多，也使得训练难度加大了很多。因此很多时候我们往往会使用效果和LSTM相当但参数更少的GRU来构建大训练量的模型。

　　　　 　　AL Lab : 这个有很多，会很多方面来讲。

）

　　系统架构

　　为了加快训练速度，这就需要加大batch size。针对这个问题，AI Lab设计了四个特别的模块，这些模块之间彼此独立：Reinforcement Learning Learner、AI Server、Dispatch tchsizeModule 和 Memory Pool。

• AI Server 是为了获取样本数据而设计的模块，在Server中涵盖了AI与环境之间交互的所有逻辑。Server会产生多组episodes，在这些episodes中我方AI使用来自RL Learner的行为策略，而对手的行为则是使用Boltzman 探索算法（一种基于游戏状态特征提取的算法）进行预测。
• Dispatch Module 的用于对Server 产生的sample数据（回报、特征、行为选择概率等）进行收集，将这些数据进行压缩后存储到Memory Pool中去。一个Dispatch Module可以连接多个AI Server以便于接收多个Server的输出数据以增加Dispatch Moudule的利用率（毕竟压缩加传输速度要远远快于Server生成一个episode的速度）。
• Memory Pool 主要用于对训练数据的存储。它使用一个循环队列来存储数据，根据数据生成时间进行排序。由于是循环队列模式，因此支持变长样本。
• RL learner 是一个分布式的训练环境，由于需要大规模的 batch size，多个 RL learners 分别去获取 Memory Pool 中的样本数据，并将这些Learners捆绑在一起（当成一个大的RL Learner）。那么每个 Learner 都会得到不同的梯度结果，如何去统一这些梯度结果呢？该论文使用 ring allreduce algorithm 对所有梯度值进行平均。将平均后的值当成每一个 Leaner 的梯度进行计算。

 　　　　　　（     batch size   :  https://www.cnblogs.com/alexanderkun/p/8099450.html   

）