Laivanupotuspeli Q-oppimisella

Repossa on kaksi eri peliä laivanupotuksesta Q-oppimisella.

Laivanupotus.py (johon liittyy lauta.py) on peli, jossa Q-agentille opetetaan peli optimaalisesti aluksi kokonaan. Pelissä on neljä vaikeusastetta, joissa AI-agentti parantaa peliään logaritmisesti seuraavan kuvan mukaisesti:

Kuvassa x- ja y-suunnassa osuman häirinnän arvo osumasta on siis satunnaisluku väliltä 0..arvo, joka on kuvassa.

Toinen peli on Laivanupotus_oppiva.py, jossa Q-agentti oppii pelin aikana pikkuhiljaa pelaamaan..

Pelin käynnistäminen

Peli käynnistetään kirjoittamalla komentotulkissa

python Laivanupotus.py

tai

python Laivanupotus_oppiva.py

• tarvitaan vastaavasti myös lauta.py- tai lauta_oppiva.py-tiedoston ja
• Meri-ja-laivat.jpg

Kuva on AI:n generoima.

Python-ympäristö

Pelin kehitystyö tehtiin Python 3.11 -ympäristössä. Lähinnä huomioitavaa on, että NumPy-kirjastolla voidaan käyttää matriiseille rot90-metodia sekä bitwise and -operaatiota. Kehitysympäristössä käytettiin NumPy:stä versiota 1.24.1. Lisäksi tarvitaan jokin PyGame-kirjaston versio.

Kuva pelistä

Kuva pelin tuoksinnasta:

Toivottavasti houkuttelee kokeilemaan. :)

Bugit

Mielestäni kerran todistin tilannetta, jossa AI-agentin laivat olivat sijoitettuna osin päällekkäin. Jahka kerkeän, yritän selvittää mikä mahdollisesti meni pieleen..