refactored files
This commit is contained in:
@@ -1,12 +1,5 @@
|
|||||||
import enum
|
|
||||||
|
|
||||||
import numpy as np
|
import numpy as np
|
||||||
from numpy.random import uniform
|
|
||||||
|
|
||||||
class Reason(enum.Enum):
|
|
||||||
Won = 1
|
|
||||||
Lost = 2
|
|
||||||
Undecided = 3
|
|
||||||
|
|
||||||
class APlayer(object):
|
class APlayer(object):
|
||||||
def __init__(self, mark):
|
def __init__(self, mark):
|
||||||
|
|||||||
@@ -0,0 +1,113 @@
|
|||||||
|
import numpy as np
|
||||||
|
from a_player import APlayer
|
||||||
|
from helper import sample
|
||||||
|
from numpy.random import uniform
|
||||||
|
|
||||||
|
|
||||||
|
class MachinePlayer(APlayer):
|
||||||
|
def __init__(self, mark='X', with_debug=False, values=None):
|
||||||
|
APlayer.__init__(self, mark)
|
||||||
|
self.p_exp = 0.2
|
||||||
|
self.alpha = 0.1
|
||||||
|
self.with_debug = with_debug
|
||||||
|
if values is None:
|
||||||
|
self.init_values()
|
||||||
|
else:
|
||||||
|
self.values = values
|
||||||
|
|
||||||
|
def init_values(self):
|
||||||
|
self.values = {}
|
||||||
|
|
||||||
|
def print_state_table(self):
|
||||||
|
count = 0
|
||||||
|
for key in self.values:
|
||||||
|
print(f"{self.mark}: {count:05d}: {key} = {self.values[key]:0.3f}")
|
||||||
|
count += 1
|
||||||
|
|
||||||
|
@staticmethod
|
||||||
|
def to_key(state: np.array):
|
||||||
|
key = ''
|
||||||
|
for st in state.reshape(state.size):
|
||||||
|
key += st
|
||||||
|
return key
|
||||||
|
|
||||||
|
def get_value(self, state: np.array):
|
||||||
|
key = self.to_key(state)
|
||||||
|
try:
|
||||||
|
result = self.values[key]
|
||||||
|
except KeyError:
|
||||||
|
result = 0.5
|
||||||
|
|
||||||
|
return result
|
||||||
|
|
||||||
|
def set_value(self, state: np.array, value):
|
||||||
|
self.values[self.to_key(state)] = value
|
||||||
|
|
||||||
|
def reward(self, value):
|
||||||
|
self.set_value(self.state, value)
|
||||||
|
|
||||||
|
@staticmethod
|
||||||
|
def get_potential_moves(state: np.array) -> np.array:
|
||||||
|
st = state.reshape(state.size)
|
||||||
|
indices = [idx for idx, s in enumerate(st) if '-' in s]
|
||||||
|
return np.array(indices)
|
||||||
|
|
||||||
|
def new_game(self):
|
||||||
|
self.state = None
|
||||||
|
self.state_last = None
|
||||||
|
|
||||||
|
def move(self, state: np.array):
|
||||||
|
do_sample = False
|
||||||
|
values = np.array([])
|
||||||
|
# get possible move
|
||||||
|
moves = self.get_potential_moves(state)
|
||||||
|
can_move = moves.size > 0
|
||||||
|
best_move = None
|
||||||
|
best_value = -1
|
||||||
|
if can_move:
|
||||||
|
for move in moves:
|
||||||
|
# create hypothetical next state
|
||||||
|
state_next = self.state_from_move(state.copy(), move)
|
||||||
|
# evaluate value
|
||||||
|
value = self.get_value(state_next)
|
||||||
|
if best_value < value:
|
||||||
|
best_value = value
|
||||||
|
best_move = move
|
||||||
|
values = np.append(values, value)
|
||||||
|
|
||||||
|
next_move = best_move
|
||||||
|
is_exp = False
|
||||||
|
if uniform() < self.p_exp:
|
||||||
|
is_exp = True
|
||||||
|
index = np.random.randint(len(moves))
|
||||||
|
next_move = moves[index]
|
||||||
|
elif do_sample:
|
||||||
|
index = sample(values)
|
||||||
|
next_move = moves[index]
|
||||||
|
|
||||||
|
if self.with_debug:
|
||||||
|
print(f"{self.mark}: Values = {values}")
|
||||||
|
print(f"{self.mark}: Moves = {moves+1}")
|
||||||
|
print(f"{self.mark}: Best move = {best_move+1}")
|
||||||
|
print(f"{self.mark}: Next move = {next_move+1}, is_exp={is_exp}")
|
||||||
|
|
||||||
|
if self.state is not None:
|
||||||
|
self.state_last = self.state.copy()
|
||||||
|
|
||||||
|
self.state = self.state_from_move(state.copy(), next_move)
|
||||||
|
|
||||||
|
# Learn
|
||||||
|
if not is_exp and self.state_last is not None:
|
||||||
|
v0 = self.get_value(self.state_last)
|
||||||
|
v1 = self.get_value(self.state)
|
||||||
|
d = v0 + self.alpha*(v1-v0)
|
||||||
|
if d > 0:
|
||||||
|
self.set_value(self.state_last, d)
|
||||||
|
if self.with_debug:
|
||||||
|
print(f"{self.mark}: Learned {d:0.3f}")
|
||||||
|
|
||||||
|
return self.state, can_move
|
||||||
|
|
||||||
|
def state_from_move(self, state: np.array, field):
|
||||||
|
state.reshape(state.size)[field] = self.mark
|
||||||
|
return state
|
||||||
@@ -0,0 +1,20 @@
|
|||||||
|
from a_player import APlayer
|
||||||
|
from numpy.random import uniform
|
||||||
|
|
||||||
|
|
||||||
|
class PlayerProvider:
|
||||||
|
def __init__(self, p1: APlayer, p2: APlayer):
|
||||||
|
self.players = [p1, p2]
|
||||||
|
|
||||||
|
def choose(self) -> list[APlayer]:
|
||||||
|
# Wer fängt an?
|
||||||
|
players = self.players
|
||||||
|
if uniform() < 0.5:
|
||||||
|
players.reverse()
|
||||||
|
|
||||||
|
result = players
|
||||||
|
players[0].new_game()
|
||||||
|
players[1].new_game()
|
||||||
|
|
||||||
|
return result
|
||||||
|
|
||||||
+4
-130
@@ -1,138 +1,12 @@
|
|||||||
import numpy as np
|
import numpy as np
|
||||||
from numpy.random import uniform
|
from helper import create_empty_state, to_state_string
|
||||||
from a_player import APlayer, Reason
|
from machine_player import MachinePlayer
|
||||||
from helper import sample, create_empty_state, to_state_string
|
from player_provider import PlayerProvider
|
||||||
|
|
||||||
float_formatter = "{:.3f}".format
|
float_formatter = "{:.3f}".format
|
||||||
np.set_printoptions(formatter={'float_kind': float_formatter})
|
np.set_printoptions(formatter={'float_kind': float_formatter})
|
||||||
|
|
||||||
|
|
||||||
class MachinePlayer(APlayer):
|
|
||||||
def __init__(self, mark='X', with_debug=False, values=None):
|
|
||||||
APlayer.__init__(self, mark)
|
|
||||||
self.p_exp = 0.2
|
|
||||||
self.alpha = 0.1
|
|
||||||
self.with_debug = with_debug
|
|
||||||
if values is None:
|
|
||||||
self.init_values()
|
|
||||||
else:
|
|
||||||
self.values = values
|
|
||||||
|
|
||||||
def init_values(self):
|
|
||||||
self.values = {}
|
|
||||||
|
|
||||||
def print_state_table(self):
|
|
||||||
count = 0
|
|
||||||
for key in self.values:
|
|
||||||
print(f"{self.mark}: {count:05d}: {key} = {self.values[key]:0.3f}")
|
|
||||||
count += 1
|
|
||||||
|
|
||||||
@staticmethod
|
|
||||||
def to_key(state: np.array):
|
|
||||||
key = ''
|
|
||||||
for st in state.reshape(state.size):
|
|
||||||
key += st
|
|
||||||
return key
|
|
||||||
|
|
||||||
def get_value(self, state: np.array):
|
|
||||||
key = self.to_key(state)
|
|
||||||
try:
|
|
||||||
result = self.values[key]
|
|
||||||
except KeyError:
|
|
||||||
result = 0.5
|
|
||||||
|
|
||||||
return result
|
|
||||||
|
|
||||||
def set_value(self, state: np.array, value):
|
|
||||||
self.values[self.to_key(state)] = value
|
|
||||||
|
|
||||||
def reward(self, value):
|
|
||||||
self.set_value(self.state, value)
|
|
||||||
|
|
||||||
@staticmethod
|
|
||||||
def get_potential_moves(state: np.array) -> np.array:
|
|
||||||
st = state.reshape(state.size)
|
|
||||||
indices = [idx for idx, s in enumerate(st) if '-' in s]
|
|
||||||
return np.array(indices)
|
|
||||||
|
|
||||||
def new_game(self):
|
|
||||||
self.state = None
|
|
||||||
self.state_last = None
|
|
||||||
|
|
||||||
def move(self, state: np.array):
|
|
||||||
do_sample = False
|
|
||||||
values = np.array([])
|
|
||||||
# get possible move
|
|
||||||
moves = self.get_potential_moves(state)
|
|
||||||
can_move = moves.size > 0
|
|
||||||
best_move = None
|
|
||||||
best_value = -1
|
|
||||||
if can_move:
|
|
||||||
for move in moves:
|
|
||||||
# create hypothetical next state
|
|
||||||
state_next = self.state_from_move(state.copy(), move)
|
|
||||||
# evaluate value
|
|
||||||
value = self.get_value(state_next)
|
|
||||||
if best_value < value:
|
|
||||||
best_value = value
|
|
||||||
best_move = move
|
|
||||||
values = np.append(values, value)
|
|
||||||
|
|
||||||
next_move = best_move
|
|
||||||
is_exp = False
|
|
||||||
if uniform() < self.p_exp:
|
|
||||||
is_exp = True
|
|
||||||
index = np.random.randint(len(moves))
|
|
||||||
next_move = moves[index]
|
|
||||||
elif do_sample:
|
|
||||||
index = sample(values)
|
|
||||||
next_move = moves[index]
|
|
||||||
|
|
||||||
if self.with_debug:
|
|
||||||
print(f"{self.mark}: Values = {values}")
|
|
||||||
print(f"{self.mark}: Moves = {moves+1}")
|
|
||||||
print(f"{self.mark}: Best move = {best_move+1}")
|
|
||||||
print(f"{self.mark}: Next move = {next_move+1}, is_exp={is_exp}")
|
|
||||||
|
|
||||||
if self.state is not None:
|
|
||||||
self.state_last = self.state.copy()
|
|
||||||
|
|
||||||
self.state = self.state_from_move(state.copy(), next_move)
|
|
||||||
|
|
||||||
# Learn
|
|
||||||
if not is_exp and self.state_last is not None:
|
|
||||||
v0 = self.get_value(self.state_last)
|
|
||||||
v1 = self.get_value(self.state)
|
|
||||||
d = v0 + self.alpha*(v1-v0)
|
|
||||||
if d > 0:
|
|
||||||
self.set_value(self.state_last, d)
|
|
||||||
if self.with_debug:
|
|
||||||
print(f"{self.mark}: Learned {d:0.3f}")
|
|
||||||
|
|
||||||
return self.state, can_move
|
|
||||||
|
|
||||||
def state_from_move(self, state: np.array, field):
|
|
||||||
state.reshape(state.size)[field] = self.mark
|
|
||||||
return state
|
|
||||||
|
|
||||||
|
|
||||||
class PlayerProvider:
|
|
||||||
def __init__(self, p1: APlayer, p2: APlayer):
|
|
||||||
self.players = [p1, p2]
|
|
||||||
|
|
||||||
def choose(self) -> list[APlayer]:
|
|
||||||
# Wer fängt an?
|
|
||||||
players = self.players
|
|
||||||
if uniform() < 0.5:
|
|
||||||
players.reverse()
|
|
||||||
|
|
||||||
result = players
|
|
||||||
players[0].new_game()
|
|
||||||
players[1].new_game()
|
|
||||||
|
|
||||||
return result
|
|
||||||
|
|
||||||
|
|
||||||
def play(player_provider: PlayerProvider, k_max=10000, with_print=False):
|
def play(player_provider: PlayerProvider, k_max=10000, with_print=False):
|
||||||
for k in range(0, k_max):
|
for k in range(0, k_max):
|
||||||
players = player_provider.choose()
|
players = player_provider.choose()
|
||||||
@@ -180,7 +54,7 @@ po = MachinePlayer(mark='O', with_debug=False)
|
|||||||
do_training = 1
|
do_training = 1
|
||||||
if do_training:
|
if do_training:
|
||||||
players = PlayerProvider(px, po)
|
players = PlayerProvider(px, po)
|
||||||
play(players, 40000, False)
|
play(players, 10000, False)
|
||||||
|
|
||||||
players = PlayerProvider(MachinePlayer(mark='X', with_debug=True, values=px.values), MachinePlayer(mark='O', with_debug=True, values=po.values))
|
players = PlayerProvider(MachinePlayer(mark='X', with_debug=True, values=px.values), MachinePlayer(mark='O', with_debug=True, values=po.values))
|
||||||
play(players, 1000, True)
|
play(players, 1000, True)
|
||||||
|
|||||||
Reference in New Issue
Block a user