https://github.com/andreip/t2-ml

https://github.com/andreip/t2-ml

Last synced: about 1 year ago
JSON representation

• Host: GitHub
• URL: https://github.com/andreip/t2-ml
• Owner: andreip
• Created: 2014-04-24T07:47:15.000Z (about 12 years ago)
• Default Branch: master
• Last Pushed: 2014-04-29T22:23:24.000Z (about 12 years ago)
• Last Synced: 2025-02-12T12:57:00.575Z (over 1 year ago)
• Language: Python
• Size: 195 KB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README

Awesome Lists containing this project

README

          
# Petre Andrei, 342 C3

== General ==

Fisierul de configurare config.rc este utilizat pentru mai tot ce tine de joc sau de

alegeri din algoritmi sau din module.

Module si cum am implementat:

* toate se gasesc in directorul modules/

* preprocesarea consta in extagerea pozitiilor (coordonate) relative a pradatorilor si a

  capcanelor si stocarea lor sub forma de lista [(a,b),(c,d),(e,f),...].

* clasificarea lor apoi se face cu kmeans

  - am considerat infinita distanta pentru ceea ce nu vad sau ceea ce a fost anihilat

  - intre doua stari, incerc sa obtin distanta minima posibila si fac legatura acelor

    coordonate care au combinatia distantei minime

* modulul de recunoastere foloseste ceea ce am folosit si la kmeans, gasirea combinatiei minime

  a distantei intre doua stari (care e reprezentat printr-un vector de coordonate)

  - e tratat tot timpul cazul de a lua separat capcanele de pradatori, nu sunt tratate

    in acelasi timp pe ambele analiza distantelor intre stari

* modulul de learning: am folosit algoritmul SARSA cu politica Eps-greedy, si are de ales

  initial mai mult random dintre cele 360 de posibilitati (grade) ale directiei de deplasare

  pentru o pozitie data (o stare codificata ca mai sus).

== Fisiere ==

* tests/

  - unit tests pentru dezvoltarea initiala cu kmeans care a fost mai plina de bug-uri

* modules/

  - toate cele patru module, explicate mai sus

* gui.py

  - am folosit pygame pentru interfata, ei i se da controlul prin metoda draw()

    care deseneaza o data si iese (desenreaza instantele la care tine referinte, ale caror

    pozitii sunt modificate in programul principal)

* game.py

  - clasa Game contine logica de progres a jocului, construind coordonate random initiale

    la fiecare joc (fara coliziuni) pentru toate instantele

  - tine toate instantele in memorie

  - stie cand jocul se termina si poate rezolva coliziunile aparute in joc prin stergerea

    unor entitati => stergerea are efecte si asupra interfetei (care foloseste aceeasi lista din

    care sunt sterse entitatile)

* helper.py

  - functii de calcul mai mult, gen dist euclidiana

* objects.py

  - mostenirea de obiecte

    BaseObject

    |

    |---Pray 

    |---Predator

    |---Trap

  - toate mostenesc capacitati comune, cu mici distinctii de date din fisierul de configurare

  - au:

    * directie

    * viteza

    * coordonate

  - aflare directie noua prin

    x += speed * cos(radians(directie))

    y += speed * sin(radians(directie))

== Rezultate obtinute ==

Am rulat 10 batch-uri de cate 100 de teste pentru diferite configurari, mai jos.

La final rulez cu interfata din care se observa:

- evita capcane

- castiga impotriva atacatorilor

- [BONUS] atacatorii se sincronizeazaza asupra prazii atunci cand amandoi o vad

(pt config actual)

Won 93/100 total games.

Won 89/100 total games.

Won 87/100 total games.

Won 88/100 total games.

Won 91/100 total games.

Won 82/100 total games.

Won 87/100 total games.

Won 83/100 total games.

Won 91/100 total games.

Won 95/100 total games.

(pt condif actuala dar cu 30 de capcane - foarte incarcata harta)

Won 43/100 total games.

Won 45/100 total games.

Won 43/100 total games.

Won 44/100 total games.

Won 50/100 total games.

Won 42/100 total games.

Won 43/100 total games.

Won 51/100 total games.

Won 42/100 total games.