基于神经网络和遗传算法的 unity 开发框架
这是一条祖传的神经网络
基于神经网络和遗传算法的 unity 开发框架，可以轻易的应用到各种不同类型的游戏中
后续任务：
1.降低使用门槛，完善各类 API，制作各类 demo
2.扩展遗传算法，添加可配置的遗传参数，包括交换概率，突变概率，筛选方式，交叉方式，突变方式等
3…
完成第一个 demo，坦克扫雷
参考书籍：游戏编程中的人工智能技术（详细的介绍了神经网络和遗传算法在游戏领域的应用，虽然有点老，但不失为一本很好的入门书籍）
EasyAIFrame 使用说明
使用介绍：
1.管理类
1.1 预制体
将 AIManager 拖拽到场景中，构建自己的游戏管理类，如 demo 中的 TanksManager 脚本
1.2 使用代码开始遗传进程
1.3 一些回调
直接设置
2.实体类
2.1 创建自己的实体
创建自己的游戏实体类，并继承自 Entity 类
同时需要实现一些方法
2.2 实体的配置与应用
关键函数是 SetInputs 和 GetOutPuts
需要在这两个函数中配置游戏对象的输入和输出，输入可以认为是智能判断自身处境的条件，输入即是智能判断的结果
以 demo 中的坦克为例，我设置了 4 个输入和 2 个输出
4 个输入分别为当前 tank 的速度，旋转，最近的地雷方位（让智能能够辨识最近的地雷在哪），最近的 tank 方位（防止多辆 tank 互相挤在一堆)
2 个输出为 tank 的目标速度和位移，用于控制 tank 做出下一步动作
2.3 行为奖励
判断哪些行为是正确的，哪些是错误的，主要是通过分数加减的形式
在达成正确行为时可以增加实体的分数
以 demo 为例：
奖励机制为当 tank 吃到一个地雷时就增加它的分数
惩罚机制为当两个 tank 互相碰撞时就减少他们的分数
3.参数配置
遗传参数的配置，选中管理类预制体，打开下图窗口即可编辑遗传和神经网络的相关参数，这里设置的输入参数和输出参数必须和实际相等
4.高级扩展，自定义选择，变异和交叉策略
如果你对与遗传算法有一定的了解，可以根据需要改变以上三中策略
打开 GeneticAlgorithm.GeneticOpetation 脚本
可以看到这三种策略的方法是用委托绑定的，实现你自己的策略函数，直接修改委托的绑定对象，即可生效
