作业1: Bait游戏

Modified: 2018/03/09 14:53 by admin - Uncategorized
(Back to course page)

Edit

理解GVGAI框架

GVG-AI 框架是为了通用人工智能的研究开发的游戏框架，基于VGDL（视觉游戏描述语言），能够构成多种游戏。本次作业使用一种推箱子游戏“Bait”，下面详述。


其编程语言为 Java（如果你没有学习过Java语言，Java 的语法跟 C++ 非常接近，但更简单。Java 的编译和运行需要安装 JDK ）。
首先，本次作业提供了 Java 框架的作业程序包 gvgai-assignment1-java.zip 与 Python 框架的作业程序包 gvgai-assignment1-python.zip，需要先进行下载。
接下来，需要在你使用的开发环境中配置好相应的工程，如果配置正确，Java 框架下可以运行 Test.java 启动游戏并可以通过键盘操纵; Python 框架对 Java 语言的GVG-AI框架进行了封装供 Python 语言调用，因此仍然需要配置 Java 环境，同时根据代码包中的 readme.md 配置 Python 环境，如果配置正确，可以运行 main.py 启动游戏。你可以通过自己玩游戏来了解游戏规则。

Edit

关于Bait游戏

Bait 游戏的描述文件在 Java 框架的 examples/gridphysics/ 与 Python 框架的 gym_gvgai/envs/games/bait_v0/ 目录下
  • bait.txt 为游戏的配置文件
  • bait_lvl0.txt ~ bait_lvl4.txt 为游戏5个关卡的地图描述文件，根据配置文件中定义的符号来设置

下图解释了 bait.txt 文件的内容


从 bait.txt 文件可以看出游戏规则
  • 精灵要先拿到钥匙，然后走到目标
  • 如果精灵吃了蘑菇，那么额外加1分
  • 精灵不能掉进洞里，否则失败
  • 精灵可以推盒子吧洞填上，洞填上后就可以通过，并且每填一个洞有1分的奖励
  • 只能向前推一个盒子，不能推两个盒子，也不能把盒子推到墙、蘑菇上（盒子可以推到目标上再推开）
  • 箱子可以覆盖钥匙，一旦覆盖，必须推开箱子取得钥匙才能成功
  • 另外，游戏的时间为1000 tick，时间结束即失败

Edit

关于控制程序

在 Java 框架的 controllers 目录下，已经有多个样例控制程序了，我们通过最简单的样例：“随机控制” controllers/sampleRandom/Agent.java 来了解基本的控制方法


从上图可以看出
  • act函数是控制程序的关键，需要在给定的时间内返回一个动作
  • stCopy是用来理解游戏变化的“仿真器”，当我们进行搜索时，需要在stCopy上“模拟”动作的执行，从而能够看到状态发生了什么变化
Python 框架可同理阅读源代码进行了解。



Edit

作业内容

Java 框架中的 Assignment1.java 与 Python 框架中的 main.py 已经准备好运行本次作业的4个任务

Edit

任务 1

针对第一个关卡，实现深度优先搜索 controllers.DepthFirst.java（Python 框架为 controllers/depthfirst.py）:
在游戏一开始就使用深度优先搜索找到成功的路径通关，记录下路径，并在之后每一步按照路径执行动作。注意在搜索时避免回路，可使用StateObservation类的equalPosition方法判断状态是否相等。Python 框架需自行实现。
由于搜索到通关路径所需时间较长，通过Java框架的CompetitionParameters.ACTION_TIME与Python框架的tick_max来设置足够的时间来允许完成搜索。

Edit

任务 2

在任务 1 的基础上，实现深度受限的深度优先搜索 controllers.LimitedDepthFirst.java（Python 框架为 controllers/limiteddepthfirst.py）:
修改为每一步进行一次深度搜索，但这时不需要一定搜索到通关 ，而是搜索到一定的深度，再设计一个启发式函数判断局面好坏。
同时CompetitionParameters.ACTION_TIME（Python 框架中的 tick_max）设置较小，需要在设置时间内完成一次决策。
针对Bait这个特定的游戏，我们可以利用目标的位置和钥匙的位置构造启发式函数（Python 需自行实现）： 
ArrayList[] fixedPositions = stateObs.getImmovablePositions();
ArrayList[] movingPositions = stateObs.getMovablePositions();
Vector2d goalpos = fixedPositions[1].get(0).position //目标的坐标
Vector2d keypos = movingPositions[0].get(0).position //钥匙的坐标
该游戏中坐标从 (0,0) 开始，50为一个单元，在第一关中目标的坐标为 (50,50)，钥匙的坐标为 (100,200)。

Edit

任务 3

在任务2的基础上，将深度优先搜索换成A*算法 controllers.Astar.java（Python 框架为 controllers/Astar.py）:
并尝试在第二关、第三关中使用A*算法

任务 4

阅读 controllers.sampleMCTS.Agent.java 控制程序（Python 框架为 controllers/MCTS.py），并介绍其算法。

Edit

作业报告

本次作业需要提交报告和代码。对于以上4个任务，报告需分别详细介绍对代码的实现。 使用这个文档模版(点击下载) 撰写实验报告。

Edit

作业提交

将 作业报告 存储为PDF文件，用学号命名，例如231221001.pdf，并与相应的源码打包为 学号命名的.zip文件，例如 231221001.zip

上传到sftp sftp://www.lamda.nju.edu.cn 作业文件夹地址：/D:/Courses/IntroAi_HW/hw1 (用户名: IntroAI, 密码: course01234!@#$)
(注意：该sftp不能替换文件，上传一次后，如果需要修改，请在文件名后加上版本号再上传，例如231221001-1.zip)

注意：作业严禁抄袭！
The end