przechoj / msi2

Repository for project of Artificial Intelligence Methods 2 - the course in MiNI WUT

MSI2

Repository for the projects of Artificial Intelligence Methods 2 - the course in MiNI WUT.

Feel free to open the Issue in case of any problems with the source

Project 1 - Solving CVRP problem with Ant Colony algorithm

All documents (Conspectus, Report and presentation) are available in the project1/documents folder.

Reproduction of the results

1. Clone this repository
2. Open the folder project1/src/AntColony
3. Run the command: pip install .

After that, One has the AntColony package installed in one's Python. Now One can:

1. Run the Jupyter Notebooks from the folder project1/src/JupyterNotebooks
2. Run the script from project1/src/scripts with the commend Python solve_multiple_problem.py

After initializing the script, one should see something like this:

The pipe (|) means that the found solution was better than the greedy solution. The dot (.) means that the found solution was worse than the greedy solution.

The script solve_multiple_problem.py has some parameters. One can inspect them with python solve_multiple_problem.py help

In the Report, the script was executed with max_time=300 and number_of_repetitions=11, which results with approximately 16 and a half hours of computing (300 seconds * 11 number_of_repetitions * 6 datasets * 3 modifictions = 16.5 hours).

Projekt 2 - Zastosowanie Upper Confidence Bound Applied To Trees do stworzenia sztucznej inteligencji grającej w grę Taifho dla dwóch graczy

Wszystkie pliki odnoście do tego trojektu znajdują się w folderze project2. Zasady gry są opisane w pliku project2/Taifho-zasady_gry.txt

Jak zagrać z AI?

1. Pobierz to repozytorium
2. Przejdź w Terminalu do folderu project2/src/Taifho
3. W Terminalu wpisz komendę: pip install .
4. Przejdź w Terminalu do folderu project2/src/Game_py
5. W Terminalu wpisz komendę: python main.py
6. Wybierz opcję [1] Start Game! wpisując 1 i potwierdzając przyciskiem Enter
7. Wybierz algorytm MCTS oznaczony cyframi od 4 do 7. Cyfrą 1 oznaczono algorytm błądzenia losowego, a cyframi 2 i 3 podstawowe wersje algorytmu MCTS, o których pokazano w raporcie, że nie mogą działać satysfakcjonująco w grze Taifho.
8. Można dostosować pozostałe parametry algorytmu MCTS takie jak C, G, steps oraz czas "do namysłu" dla algorytmu MCTS, ale można zostawić je na wartości bazowe, wybierając kilkakrotnie przycisk Enter
9. Wybierz którym kolorem chcesz grać. Zielony zaczyna (jak biały w szachach)

Pozycja startowa:

UWAGA: Zdarza się, że system niepoprawnie wyświetli kolory bądź ksztauty figur. Zauważono ten problem na maszynak z systemem Windows. Nie zauważono tego blędu na maszynach z systemem Unix.

10. W każdym ruchu wybierz, którą bierką chcesz się ruszyć (można zmienić swój wybór) np. D9 (można używać zarówno dużych, jak i małych liter do oznaczenia pozycji)
11. Na planszy znakiem * pokazane zostały pola, na które wybrana bierka może się ruszyć
12. Zaakceptuj wybór bierki przyciskiem Enter bądź zmień bierkę przyciskiem 1
13. Po wybraniu i zaakceptowaniu bierki wybierz pozycję, na którą chcesz ruszyć się bierką (jedna z tych oznaczonych gwiazdką)
14. Poczekaj, aż przeciwnik wykona swój ruch. Trwa to tyle, ile czasu zostało mu dane przed grą (domyślnie 10 sekund)
15. Znów wykonaj zwój ruch tak, jak od punktu 10
16. Jak gra się zakończy, to zdecyduj, czy chcesz zagrać jeszcze raz (być może z innymi parametrami) czy już chcesz zakończyć grę. W drugim przypadku wybierz opcję [q] Quit

Reprodukcja wyników

1. W celu reprodukowania wyników należy na początek upewnić się, że posiada się język Python w wersji 3, oraz zainstalować pakiet Taifho zgodnie z instrukcją powyżej. W celu sprawdzenia, czy instalacja przebiegła poprawnie najłatwiej zagrać przeciwko algorytmowi MCTS zgodnie z instrukcją powyżej. Jest to jednocześnie równoznaczne z reprodukcją eksperymentu 6.
2. W celu reprodukcji wyników eksperymentów 1 i 2 należy uruchomić kolejno skrypty basic_MCTS_experiment.py oraz fair_play_experiment.py.
3. W celu reprodukcji wyników eksperymentów 3, 4 i 5 należy uruchomić kolejno skrypty C_parameter_experiment.py, G_parameter_experiment.py oraz tournament_experiment.py. Skrypty te należy zmodyfikować w celu porównywania wybranych przez siebie algorytmów. Skrypty C_parameter_experiment.py oraz G_parameter_experiment.py implementują rozgrywkę przeciwko losowo ruszającemu się przeciwnikowi. Skrypt tournament_experiment.py implementuje rozgrywkę między dwoma algorytmami MCTS.

Folder project2/src/Game_py/results

Wszystkie pliki generowane przez skrypty zapisywane są w folderze project2/src/Game_py/results w plikach z rozszerzeniem .csv. W pliku README.txt znajdują się informacje o parametrach użytych w odpowiednich skryptach generujących pliki z turnieju (te same informacje znajdują się również w raporcie). W pliku read_csv_flies.R znajduje się skrypt języka R, który generuje wykresy zapisane w podfolderze plots, a wykorzystane później w raporcie i prezentacji.

Folder project2/documentation

W nim znajdują się najnowsze wersje dokumentów związane z tym projektem. Są to:

1. Konspekt
2. Raport końcowy
3. Prezentacja