作业3: Mr. PacMan游戏

Modified: 2015/05/20 10:08 by admin - Uncategorized
(Back to course page) Edit

游戏介绍

吃豆豆游戏规则介绍：如图1所示，黄色的是吃豆豆主角PacMan，你需要在避免被数个颜色的怪物Ghost追杀的同时把画面内所有白色的豆豆都吃掉。如果被怪物追上就会被怪物吃掉并因此减少一条性命。唯一不怕被怪物追上的情况是PacMan吃到了白色的大豆豆（图1中的2处红圈），这个时候会变成图2中的情况，所有的Ghost都变色了，这个时候的Ghost还可以被PacMan吃掉（获得的分数比吃到豆豆的分数还高！！）。一次游戏PacMan总共有3条命，我们希望你能设计自己的PacMan，尽可能地通过游戏提供的4个关卡（图1,3,4,5）；如果通关的难度比较大，那么希望你在每一关中尽可能获得比较高的分数（左下角的“S”表示当前的分数）。

图5

图5

图4

图4

图3

图3

图2

图2

图1

图1















Edit

下载

点击下载(5月20日更新)，包含
  • src目录，为PacMan实验源代码
  • data目录，为游戏的资源，放在运行目录下
  • weka.jar, 为机器学习开源软件包WEKA，详细信息请见http://www.cs.waikato.ac.nz/ml/weka/
  • j48.model, 我训练的一个简单模型

Edit

程序包介绍

程序需要使用 weka.jar 中的学习算法，确保weka.jar加载到路径中，让Java能找到。

程序总共分成3个包：
  1. 游戏运行: Exe包。主要用于选择相应的PacMan和Ghost，并启动游戏进行测试。在Exe包中，已写好了DataCollect.java，Executor.java，和MyPacMan.java
    1. DataCollect.java，用于收集人的控制数据
    2. Executor.java，用于AI自动玩游戏
    3. MyPacMac，使用训练好的模型自动控制PacMan
  2. 控制: pacman.controllers。其中Controller是父类，HumanController是通过键盘的“上下左右”手工控制Pacman的类，而examples包中的类都是提供给大家参考的PacMan和Ghost的示例，比如：RandomPacMan就是采取随机动作的PacMan，NearestPillMan就是采取贪心策略，每次朝着最近的豆豆移动的PacMan。
  3. 游戏相关设置: pacman.game。比较重要的是Constants类和Game类。Constants类包括了很多游戏中常量参数的定义，比如：PacMan和Ghost能够采取的动作；而Game类则是游戏运行时可以获得相关信息的接口，对于设计自己的PacMan的决策相当重要，里面可用的信息会在后面说明。而其余的类主要用于游戏内部逻辑的设计，比如：节点类Node，地图类Maze。

Edit

熟悉代码

主要在Exe包中的Executor类中，我们在main函数中写了三种不同的运行方式：
  1. 可视化＋简单自动PacMan：可以直观地看到PacMan的运行情况
    exec.runGame(new NearestPillPacMan(),new RandomGhosts(),visual,delay);
    • 请阅读 RandomPacMan()和NearestPillPacMan() 类，了解如何控制PacMan
  2. 批量测试＋简单自动PacMan：可以快速测出PacMan的得分，
    exec.runExperiment(new RandomPacMan(),new RandomGhosts(),numTrials);
  3. 可视化＋使用训练好的模型：
    exec.runGame(new MyPacMan("j48.model"),new RandomGhosts(),visual,delay);
    这里的j48.model是我预先训练的模型
同学们可以运行Executor来看看有什么效果。

Edit

可使用的信息

  1. PacMan和ghost的动作有五个：UP，RIGHT，DOWN，LEFT，NEUTRAL（当前动作=上一次动作）。具体参见：包pacman.game中的Constants.java。
  2. 图中点与点之间的距离，提供了三种不同的测量方式：路径距离: 地图上的距离 (比如从当前位置到达目标位置需要采用的步数)；欧氏距离和曼哈顿距离（同离散数学课本中的定义）。具体参见：包pacman.game中的Constants.java。
  3. 关卡选择：游戏共有四个不同的关卡，可以通过创建不同的Game类示例获得：
    Game game = Game(long seed, int initialMaze)
    中的参数initialMaze（0,1,2,3）选择具体的游戏关卡，另外一个参数seed对应游戏中某些情况下产生随机数（比如：RandomGhost的随机动作选择）所需要的随机种子。

下面主要介绍一下通过Game类可以获得的一些游戏运行时重要的相关信息：
  1. 得到PacMan的当前index（图中的每个位置除了坐标{x,y}表示外，还有唯一的index）
    public double getDistance(int fromNodeIndex, int toNodeIndex, DM distanceMeasure)
  2. 得到图中所有还没被吃掉的小豆豆的index集合
    public int[] getActivePillsIndices()
  3. 得到图中所有还没被吃掉的大豆豆的index集合
    public int[] getActivePowerPillsIndices()
  4. 得到两点之间基于distanceMeasure模式的距离
    public double getDistance(int fromNodeIndex, int toNodeIndex, DM distanceMeasure)
  5. 得到基于distanceMeasure模式下，距离fromNode最近的targetNode集合中的点的index
    public int getClosestNodeIndexFromNodeIndex(int fromNodeIndex, int[] targetNodeIndices, DM distanceMeasure)
  6. 得到基于distanceMeasure模式下，得到从fromNode到targetNode最短路线的下一步动作
    public MOVE getNextMoveTowardsTarget(int fromNodeIndex, int toNodeIndex, DM distanceMeasure)
  7. 判断游戏是否结束
    public boolean gameOver()
  8. 得到某个Ghost上一步的动作
    Public MOVE GhostLastMoveMade(GHOST ghostType)
  9. 得到某个Ghost还有多久才会恢复到正常的颜色（PacMan吃了大豆豆之后）
    public int getGhostEdibleTime(GHOST ghostType)
  10. 得到当前得分
    public int getScore()

Edit

训练自己的PacMan

  • 设计特征
我已写好一个简单的特征提取函数，在 Game.getFeature(int classValue) 中。请根据自己的想法设计特征，修改该函数。

  • 收集数据
运行 Exe 包中的 DataCollect.java，并操作游戏，直到你认为数据已充足。你的操作数据和特征会被纪录到运行目录下的 PacManControlData.arff 文件中。该文件为文本文件，可以查看以理解文件结构。

  • 训练模型
    使用下面命令可以启动weka图形界面
    java -Xmx1000m -jar weka.jar
    其中 -Xmx1000m 表示 java 最大可用内存为1000MB。
    • 在weka启动界面中选择 Explorer，进入实验环境。
    • 在“Preprocess”页面点击“Open file”来读入 PacManControlData.arff 文件
    • 然后切换到 “Classify” 页面，训练分类器
      • 在 “Classifier” 部分选择 “Choose” 按钮，多种算法可选择，选择算法后，点击 “Choose” 按钮右边的文字栏，可修改算法参数
      • 在 “Test options” 部分选择 “Use training set” 后点击 “Start” 按钮，可用所有数据来训练模型。选择“”Cross-validation” 后点击 “Start” 按钮，可通过切分样本来估计算法的精度
      • 在 “Result list” 列出训练的模型，点击右键可保存模型

  • 测试模型
在Executor.java中的代码 
exec.runGame(new MyPacMan("j48.model"),new RandomGhosts(),visual,delay);
将读入模型进行PacMan控制。请将 “j48.model” 改为你训练的模型文件。

Edit

作业内容

  1. 解释 NearestPillPacMan 类对PacMan的控制方法
  2. 设计自己的特征，并介绍
  3. 选择学习方法，在收集的数据上训练模型，并解释你选择的学习方法的原理，以及有何优缺点
  4. 测试你的模型

Edit

作业报告

对于以上4点，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131221001.pdf，与你修改的源码打包为 学号命名的.zip文件

上传到 ftp://lamda.nju.edu.cn/AI/assignment3/ (用户名: ai15, 密码: ai15)
(注意：该ftp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131221001-1.pdf)

注意：作业严禁抄袭！
The end