Tarayıcı İçi Mikro-AI: A* (A-Star) Yol Bulma, Boids Sürü Zekası ve Sinir Ağı Görselleştirme Motoru

🧭 _db_core PAKET #9 ⚡ 60 FPS Otonom Ajan & Yol Bulma 🧠 A* + Boids + MLP Sinir Ağı

Tarayıcı İçi Mikro-AI: A* (A-Star) Yol Bulma, Boids Sürü Zekası ve Sinir Ağı Görselleştirme Motoru

Harici yapay zeka kütüphanelerine veya sunucu API'lerine bağımlı kalmadan, doğrudan tek dosya HTML5 <canvas> üzerinde 60 FPS hızında çalışan A* (A-Star) Sezgisel En Kısa Yol Bulma, Craig Reynolds Boids Otonom Sürü Zekası ve Çok Katmanlı Algılayıcı (MLP) Sinir Ağı Sinyal Görselleştirme mimarisi.

MOD: A* (A-Star) Sezgisel Rota | f(n) = g(n) + h(n) Sol Tık/Sürükle: Engel Çiz / Sil • Sağ veya Çift Tık: Hedef Taşı

1. A* (A-Star) Sezgisel Yol Bulma

Gerçek maliyet g(n) ile Manhattan/Öklid sezgisel tahmini h(n) toplamını minimize ederek engellerin etrafından milisaniyede en kısa rotayı çıkarır.

2. Craig Reynolds Boids Sürü Zekası

Her otonom ajan yalnızca komşularına bakarak Ayrılma (Separation), Hizalanma (Alignment) ve Bütünleşme (Cohesion) vektörlerini birleştirir.

3. İleri Beslemeli MLP Sinir Ağı

Giriş sensörlerinden gelen sinyalleri ağırlık matrisleri ve tanh/sigmoid aktivasyonlarıyla katmanlar boyunca ileri besleyip canlı karar üretir.

🧭 Bölüm 1: 30 Satırda A* (A-Star) Sezgisel En Kısa Yol Bulma Algoritması

Dijkstra algoritması tüm yönlere körlemesine yayılırken, A* (A-Star) hedefe olan tahmini uzaklığı (heuristic) hesaba katarak doğrudan hedefe yönelir. Izgara tabanlı strateji oyunları, labirent çözücüler ve otonom NPC navigasyonu için altın standarttır.

A* Maliyet Fonksiyonu: f(n) = g(n) + h(n) — g(n) başlangıçtan düğüme gerçek adım maliyeti, h(n) = |x₁ - x₂| + |y₁ - y₂| ise hedefe Manhattan mesafesidir.
// 30 Satırda Saf JavaScript A* (A-Star) En Kısa Yol Bulma Motoru
function findPathAStar(grid, start, goal) {
  const rows = grid.length, cols = grid[0].length;
  const key = (r, c) => `${r},${c}`;
  const h = (r, c) => Math.abs(r - goal.r) + Math.abs(c - goal.c);
  const open = [{ r: start.r, c: start.c, g: 0, f: h(start.r, start.c) }];
  const cameFrom = new Map(), gScore = new Map([[key(start.r, start.c), 0]]), closed = new Set();

  while (open.length > 0) {
    open.sort((a, b) => a.f - b.f);
    const cur = open.shift(), curKey = key(cur.r, cur.c);
    if (cur.r === goal.r && cur.c === goal.c) {
      const path = [];
      for (let k = curKey; k; k = cameFrom.get(k)) {
        const [r, c] = k.split(',').map(Number);
        path.push({ r, c });
      }
      return path.reverse();
    }
    closed.add(curKey);
    for (const [dr, dc] of [[1,0],[-1,0],[0,1],[0,-1]]) {
      const nr = cur.r + dr, nc = cur.c + dc, nKey = key(nr, nc);
      if (nr < 0 || nr >= rows || nc < 0 || nc >= cols || grid[nr][nc] === 1 || closed.has(nKey)) continue;
      const tentativeG = cur.g + 1;
      if (tentativeG < (gScore.get(nKey) ?? Infinity)) {
        cameFrom.set(nKey, curKey);
        gScore.set(nKey, tentativeG);
        open.push({ r: nr, c: nc, g: tentativeG, f: tentativeG + h(nr, nc) });
      }
    }
  }
  return []; // Rota bulunamadıysa boş dizi döner
}

🦅 Bölüm 2: Craig Reynolds Boids Sürü Zekası 3 Kuralı (Separation, Alignment, Cohesion)

Merkezi bir yönetici olmadan yüzlerce kuş veya balık sürüsünün çarpışmadan senkronize uçmasını sağlayan 3 yerel direksiyon (steering) kuvvetidir:

// Otonom Boids Ajanı: Ayrılma + Hizalanma + Bütünleşme + Yırtıcıdan Kaçış
function stepBoidAgent(boid, flock, predator, cfg = { sep: 1.8, ali: 1.0, coh: 0.9, maxSpeed: 3.4 }) {
  let sx = 0, sy = 0, ax = 0, ay = 0, cx = 0, cy = 0, count = 0;
  for (const other of flock) {
    if (other === boid) continue;
    const dx = other.x - boid.x, dy = other.y - boid.y;
    const dist = Math.hypot(dx, dy) || 0.001;
    if (dist < 55) {
      ax += other.vx; ay += other.vy;
      cx += other.x;  cy += other.y;
      if (dist < 24) { sx -= dx / dist; sy -= dy / dist; }
      count++;
    }
  }
  if (count > 0) {
    boid.vx += (sx * cfg.sep + (ax / count - boid.vx) * cfg.ali + ((cx / count - boid.x) * 0.03) * cfg.coh) * 0.08;
    boid.vy += (sy * cfg.sep + (ay / count - boid.vy) * cfg.ali + ((cy / count - boid.y) * 0.03) * cfg.coh) * 0.08;
  }
  // Fare / Yırtıcıdan Kaçış Vektörü
  const pdx = boid.x - predator.x, pdy = boid.y - predator.y, pDist = Math.hypot(pdx, pdy);
  if (pDist < 105 && pDist > 1) {
    boid.vx += (pdx / pDist) * 0.65;
    boid.vy += (pdy / pDist) * 0.65;
  }
  const speed = Math.hypot(boid.vx, boid.vy) || 1;
  if (speed > cfg.maxSpeed) { boid.vx = (boid.vx / speed) * cfg.maxSpeed; boid.vy = (boid.vy / speed) * cfg.maxSpeed; }
  boid.x += boid.vx; boid.y += boid.vy;
}

🧠 Bölüm 3: Tarayıcı İçi İleri Beslemeli Sinir Ağı Katman Aktivasyonu (forwardPassMLP)

Otonom bir ajanın sensör girdilerini (hedef açısı, engel mesafesi, hız) alıp anlık direksiyon ve hız kararlarına dönüştüren İleri Beslemeli Çok Katmanlı Algılayıcı (Feed-Forward MLP) fonksiyonu:

// Tarayıcı İçi İleri Beslemeli Çok Katmanlı Sinir Ağı (MLP) Aktivasyon Motoru
function forwardPassMLP(inputs, weights, biases) {
  let activations = inputs.slice();
  const layerHistory = [activations];

  for (let l = 0; l < weights.length; l++) {
    const nextLayer = [];
    for (let j = 0; j < weights[l].length; j++) {
      let sum = biases[l][j] || 0;
      for (let i = 0; i < activations.length; i++) {
        sum += activations[i] * weights[l][j][i];
      }
      // Hiperbolik Tanjant (tanh) aktivasyonu [-1, +1] aralığında normalize karar üretir
      nextLayer.push(Math.tanh(sum));
    }
    activations = nextLayer;
    layerHistory.push(activations);
  }
  return { output: activations, layers: layerHistory };
}

Yorumlar

Yorum Gönder

Opromt · Ücretsiz yayınlarımız sizler için , Kopyala, yapıştır, kullan. ← Ana Sayfa