Skip to content
/ rpg-solver Public

Genetic search engine to get the best rpg player configuration.

1 star 0 forks Branches Tags Activity
Star
Notifications You must be signed in to change notification settings

jtallar/rpg-solver

BranchesTags

Repository files navigation

rpg-solver

Requerimientos

Para correr el solver, es necesario tener instalado Python 3.

Además, debe instalarse matplotlib, lo cual se puede lograr con

python3 -m pip install matplotlib

Versiones

Para el desarrollo, se utilizó la versión Python 3.8.5

Ejecución

Para ejecutar el programa, se debe ejecutar desde la raíz del proyecto

python3 main.py

Configuraciones

Todas las configuraciones de ejecución se establecen en el archivo config.json. A continuación, se explica a qué hace referencia cada configuración:

  • armas_file indica el archivo .tsv de armas disponibles. Su ruta se indica desde la raíz del proyecto.

  • botas_file indica el archivo .tsv de botas disponibles. Su ruta se indica desde la raíz del proyecto.

  • cascos_file indica el archivo .tsv de cascos disponibles. Su ruta se indica desde la raíz del proyecto.

  • guantes_file indica el archivo .tsv de guantes disponibles. Su ruta se indica desde la raíz del proyecto.

  • pecheras_file indica el archivo .tsv de pecheras disponibles. Su ruta se indica desde la raíz del proyecto.

  • max_rows_tsv indica la máxima cantidad de líneas a leer de cada .tsv . En el caso de los datasets provistos por la cátedra, puede indicarse el número 1000000 o superior para leerlos por completo.

  • player_class indica el nombre de la clase de personaje a utilizar. Los valores posibles son

    • guerrero --> fitness = 0.6 * Ataque + 0.6 * Defensa
    • arquero --> fitness = 0.9 * Ataque + 0.1 * Defensa
    • defensor --> fitness = 0.3 * Ataque + 0.8 * Defensa
    • infiltrado --> fitness = 0.8 * Ataque + 0.3 * Defensa

  • N indica el tamaño de la población por cada generación.

  • K indica la cantidad de hijos a crear por cada iteración.

  • crossover indica el nombre del operador de cruce a utilizar para generar un par de hijos a partir de un par de padres. Los valores posibles son

    • one_point --> Cruce de un punto
    • two_points --> Cruce de dos puntos
    • ring --> Cruce anular
    • uniform --> Cruce uniforme

  • mutation indica el nombre del operador de mutación a utilizar para realizar mutaciones sobre los hijos generados. Los valores posibles son

    • simple_gen --> Mutación gen
    • multi_limited --> Mutación multigen limitada (donde M es limited_multigen_m)
    • multi_uniform --> Mutación multigen uniforme
    • full --> Mutación completa

  • mutation_probability indica la probabilidad de mutación a utilizar en dicho operador. Debe estar entre 0 y 1.

  • limited_multigen_m indica el valor de M para la mutación multigen limitada en caso de elegir dicho operador. Debe estar entre 1 y 6 (cantidad de genes).

  • A indica la proporción de padres seleccionados con el método selector_method_1. Los restantes serán seleccionados con el método selector_method_2.

  • selector_method_1 indica el método de selección de padres a utilizar como método 1. Los valores posibles son

    • elite --> Selector elite
    • roulette --> Selector ruleta
    • universal --> Selector universal
    • ranking --> Selector por ranking
    • boltzmann --> Selector boltzmann (donde T0 es selector_A_boltzmann_t0, TC selector_A_boltzmann_tc y K es selector_A_boltzmann_k)
    • deterministic_tournament --> Selector por torneo determinístico (donde M es selector_A_det_tournament_m)
    • probabilistic_tournament --> Selector por torneo probabilístico (donde Th es selector_A_prob_tournament_th)

  • selector_method_2 indica el método de selección de padres a utilizar como método 2. Los valores posibles son los mismos que los de selector_method_1.

  • selector_A_shuffle indica si se mezcla (true) o no (false) la salida del selector de padres previo a realizar el cruce.

  • selector_A_det_tournament_m indica el valor de M para el selector por torneo determinístico en caso de elegir dicho selector de padres. Debe estar entre 1 y N.

  • selector_A_prob_tournament_th indica el valor de Threshold para el selector por torneo probabilístico en caso de elegir dicho selector de padres. Debe estar entre 0.5 y 1.

  • selector_A_boltzmann_t0 indica el valor de T0 para el selector boltzmann en caso de elegir dicho selector de padres.

  • selector_A_boltzmann_tc indica el valor de TC para el selector boltzmann en caso de elegir dicho selector de padres. Debe ser menor o igual a selector_A_boltzmann_t0.

  • selector_A_boltzmann_k indica el valor de K para el selector boltzmann en caso de elegir dicho selector de padres.

  • B indica la proporción de jugadores de reemplazo seleccionados con el método selector_method_3. Los restantes serán seleccionados con el método selector_method_4.

  • selector_method_3 indica el método de selección de reemplazo a utilizar como método 3. Los valores posibles son

    • elite --> Selector elite
    • roulette --> Selector ruleta
    • universal --> Selector universal
    • ranking --> Selector por ranking
    • boltzmann --> Selector boltzmann (donde T0 es selector_B_boltzmann_t0, TC selector_B_boltzmann_tc y K es selector_B_boltzmann_k)
    • deterministic_tournament --> Selector por torneo determinístico (donde M es selector_B_det_tournament_m)
    • probabilistic_tournament --> Selector por torneo probabilístico (donde Th es selector_B_prob_tournament_th)

  • selector_method_4 indica el método de selección de reemplazo a utilizar como método 4. Los valores posibles son los mismos que los de selector_method_3.

  • selector_B_det_tournament_m indica el valor de M para el selector por torneo determinístico en caso de elegir dicho selector de reemplazo. Debe estar entre 1 y N.

  • selector_B_prob_tournament_th indica el valor de Threshold para el selector por torneo probabilístico en caso de elegir dicho selector de reeplazo. Debe estar entre 0.5 y 1.

  • selector_B_boltzmann_t0 indica el valor de T0 para el selector boltzmann en caso de elegir dicho selector de reemplazo.

  • selector_B_boltzmann_tc indica el valor de TC para el selector boltzmann en caso de elegir dicho selector de reemplazo. Debe ser menor o igual a selector_B_boltzmann_t0.

  • selector_B_boltzmann_k indica el valor de K para el selector boltzmann en caso de elegir dicho selector de padres.

  • implementation indica el nombre del método de implementación a utilizar para conformar la nueva generación. Los valores posibles son

    • fill-all --> Implementación Fill-All
    • fill-parent --> Implementación Fill-Parent

  • stopper_time_on indica si se utiliza (true) o no (false) el criterio de corte por tiempo con parámetro stop_time_sec.

  • stop_time_sec indica la cantidad de segundos máxima de ejecución para el algoritmo genético en caso de habilitar el criterio de corte por tiempo.

  • stopper_generation_count_on indica si se utiliza (true) o no (false) el criterio de corte por cantidad de generaciones con parámetro stop_generation_count.

  • stop_generation_count indica la cantidad de generaciones máxima para el algoritmo genético en caso de habilitar el criterio de corte por cantidad de generaciones.

  • stopper_diversity_on indica si se utiliza (true) o no (false) el criterio de corte por diversidad con parámetro stop_diversity_proportion.

  • stop_diversity_proportion indica la diversidad a alcanzar con el algoritmo genético en caso de habilitar el criterio de corte por diversidad. Debe estar entre 0 y 1.

  • stopper_acceptable_on indica si se utiliza (true) o no (false) el criterio de corte por solución aceptable con parámetro stop_acceptable_fitness.

  • stop_acceptable_fitness indica el fitness mínimo a alcanzar con el algoritmo genético en caso de habilitar el criterio de corte por solución aceptable.

  • stopper_structural_on indica si se utiliza (true) o no (false) el criterio de corte por estructura con parámetros stop_structural_gen_count y stop_structural_proportion.

  • stop_structural_gen_count indica la cantidad de generaciones durante la cual la población no debe cambiar para interrumpir el algoritmo genético en caso de habilitar el criterio de corte por estructura.

  • stop_structural_proportion indica la proporción de los individuos que deben repetirse como mínimo para considerar que la población no cambió respecto a la generación anterior en caso de habilitar el criterio de corte por estructura. Debe estar entre 0 y 1.

  • stopper_content_on indica si se utiliza (true) o no (false) el criterio de corte por contenido con parámetro stop_content_gen_count.

  • stop_content_gen_count indica la la cantidad de generaciones durante la cual el mejor fitness no debe cambiar para interrumpir el algoritmo genético en caso de habilitar el criterio de corte por contenido.

  • fitness_delta indica la tolerancia absoluta a considerar para determinar que dos valores de fitness son iguales. Debe ser un valor en la forma 1e-X, siendo X >= 0.

  • random_seed_on indica si se utiliza (true) o no (false) una semilla particular para la generación de valores aleatorios, donde el valor es random_seed. Permite realizar ejecuciones determinísticas.

  • random_seed indica el valor utilizar como semilla para la generación de valores aleatorios en caso de habilitar el uso de una semilla particular.

  • print_stats indica si se desea imprimir los valores obtenidos de fitness, diversidad y cambios generación a generación.

  • plot indica si se desea imprimir el gráfico en tiempo real con los valores de fitness y diversidad obtenidos generación a generación.

  • plot_interval_time indica el tiempo a esperar entre cada generación para una visualización correcta del gráfico en tiempo real en caso de habilitar el plotteo.

Ejemplo 1

{
	"armas_file": "dataset/armas.tsv",
	"botas_file": "dataset/botas.tsv",
	"cascos_file": "dataset/cascos.tsv",
	"guantes_file": "dataset/guantes.tsv",
	"pecheras_file": "dataset/pecheras.tsv",
	"max_rows_tsv": 1000000,

	"player_class": "guerrero",
	"N": 20000,
	"K": 5000,

	"crossover": "uniform",

	"mutation": "multi_uniform",
	"mutation_probability": 0.2,
	"limited_multigen_m": 6,

	"A": 0.7,
	"selector_method_1": "ranking",
	"selector_method_2": "deterministic_tournament",
	"selector_A_shuffle": true,
	"selector_A_det_tournament_m": 3,
	"selector_A_prob_tournament_th": 0.8,
	"selector_A_boltzmann_t0": 10.0,
	"selector_A_boltzmann_tc": 1.0,
	"selector_A_boltzmann_k": 0.2,

	"B": 0.7,
	"selector_method_3": "elite",
	"selector_method_4": "ranking",
	"selector_B_det_tournament_m": 3,
	"selector_B_prob_tournament_th": 0.8,
	"selector_B_boltzmann_t0": 50.0,
	"selector_B_boltzmann_tc": 1.0,
	"selector_B_boltzmann_k": 0.15,

	"implementation": "fill-all",

	"stopper_time_on": true,
	"stop_time_sec": 1000.0,
	"stopper_generation_count_on": true,
	"stop_generation_count": 200,
	"stopper_diversity_on": false,
	"stop_diversity_proportion": 0.05,
	"stopper_acceptable_on": false,
	"stop_acceptable_fitness": 30.0,
	"stopper_structural_on": true,
	"stop_structural_gen_count": 50,
	"stop_structural_proportion": 0.95,
	"stopper_content_on": true,
	"stop_content_gen_count": 50,

	"fitness_delta": 1e-4,

	"random_seed_on": false,
	"random_seed": "RANDOM_SEED",

	"print_stats": false,
	"plot": true,
	"plot_interval_time": 0.3
}

Ejemplo 2

{
	"armas_file": "dataset/armas.tsv",
	"botas_file": "dataset/botas.tsv",
	"cascos_file": "dataset/cascos.tsv",
	"guantes_file": "dataset/guantes.tsv",
	"pecheras_file": "dataset/pecheras.tsv",
	"max_rows_tsv": 1000000,

	"player_class": "guerrero",
	"N": 20000,
	"K": 5000,

	"crossover": "uniform",

	"mutation": "multi_uniform",
	"mutation_probability": 0.25,
	"limited_multigen_m": 6,

	"A": 0.35,
	"selector_method_1": "ranking",
	"selector_method_2": "deterministic_tournament",
	"selector_A_shuffle": true,
	"selector_A_det_tournament_m": 3,
	"selector_A_prob_tournament_th": 0.8,
	"selector_A_boltzmann_t0": 10.0,
	"selector_A_boltzmann_tc": 1.0,
	"selector_A_boltzmann_k": 0.2,

	"B": 0.8,
	"selector_method_3": "elite",
	"selector_method_4": "universal",
	"selector_B_det_tournament_m": 3,
	"selector_B_prob_tournament_th": 0.8,
	"selector_B_boltzmann_t0": 50.0,
	"selector_B_boltzmann_tc": 1.0,
	"selector_B_boltzmann_k": 0.15,

	"implementation": "fill-parent",

	"stopper_time_on": true,
	"stop_time_sec": 1000.0,
	"stopper_generation_count_on": true,
	"stop_generation_count": 200,
	"stopper_diversity_on": false,
	"stop_diversity_proportion": 0.05,
	"stopper_acceptable_on": false,
	"stop_acceptable_fitness": 30.0,
	"stopper_structural_on": true,
	"stop_structural_gen_count": 50,
	"stop_structural_proportion": 0.95,
	"stopper_content_on": true,
	"stop_content_gen_count": 50,

	"fitness_delta": 1e-4,

	"random_seed_on": false,
	"random_seed": "RANDOM_SEED",

	"print_stats": false,
	"plot": true,
	"plot_interval_time": 0.3
}

Ejemplo 3

{
	"armas_file": "dataset/armas.tsv",
	"botas_file": "dataset/botas.tsv",
	"cascos_file": "dataset/cascos.tsv",
	"guantes_file": "dataset/guantes.tsv",
	"pecheras_file": "dataset/pecheras.tsv",
	"max_rows_tsv": 1000000,

	"player_class": "arquero",
	"N": 15000,
	"K": 8000,

	"crossover": "uniform",

	"mutation": "multi_uniform",
	"mutation_probability": 0.1,
	"limited_multigen_m": 6,

	"A": 0.5,
	"selector_method_1": "ranking",
	"selector_method_2": "elite",
	"selector_A_shuffle": true,
	"selector_A_det_tournament_m": 3,
	"selector_A_prob_tournament_th": 0.8,
	"selector_A_boltzmann_t0": 50.0,
	"selector_A_boltzmann_tc": 0.5,
	"selector_A_boltzmann_k": 0.12,

	"B": 0.4,
	"selector_method_3": "probabilistic_tournament",
	"selector_method_4": "elite",
	"selector_B_det_tournament_m": 3,
	"selector_B_prob_tournament_th": 0.7,
	"selector_B_boltzmann_t0": 50.0,
	"selector_B_boltzmann_tc": 0.5,
	"selector_B_boltzmann_k": 0.15,

	"implementation": "fill-parent",

	"stopper_time_on": true,
	"stop_time_sec": 1000.0,
	"stopper_generation_count_on": true,
	"stop_generation_count": 200,
	"stopper_diversity_on": true,
	"stop_diversity_proportion": 0.1,
	"stopper_acceptable_on": true,
	"stop_acceptable_fitness": 30.0,
	"stopper_structural_on": true,
	"stop_structural_gen_count": 50,
	"stop_structural_proportion": 0.95,
	"stopper_content_on": true,
	"stop_content_gen_count": 50,

	"fitness_delta": 1e-4,

	"random_seed_on": false,
	"random_seed": "RANDOM_SEED",

	"print_stats": false,
	"plot": true,
	"plot_interval_time": 0.3
}

Presentación

Link a la presentación completa https://docs.google.com/presentation/d/13eVKhDZRQHDlqhr1fGPwJmzhBG4xjHJRJcl9RUmLvPc/edit?usp=sharing

About

Genetic search engine to get the best rpg player configuration.

Topics

python ai genetic-algorithm

Resources

Readme
Activity

Stars

1 star

Watchers

2 watching

Forks

0 forks
Report repository

Releases 1

TP2 Latest
Apr 6, 2021

Packages

No packages published

Contributors 3

  •  
  •  
  •  

Languages