Skip to content

Latest commit

 

History

History
93 lines (78 loc) · 3.48 KB

README.md

File metadata and controls

93 lines (78 loc) · 3.48 KB
Raw

JumpBotMuyBien

JumpSturdy KI

The best bot out there!!!!

!!! Disclaimer: Die angegebene Anzahl an Commits und Umfang der Commits sind nicht aussagekräftig über die Menge an absolvierter Arbeit pro Contributor, da das JetBrains - PyCharm Feature "Code Together" benutzt wurde !!!

Meilenstein 1 (Dummy KI):

Anforderungen:

  • Zuggenerator: Alle Positionen getten, für diese Positionen gültige Richtungen ermittlen, Anzahl der Steps ermitteln
    • get_all_positions()
    • get_valid_directions()
    • get_steps()
  • Same Size Array
  • Min-Max Algorythm
  • Alpha-Beta Algorythm
  • Visualizer (maybe later)
  • Unit Tests
  • Benchmarks

Alpha-Beta-KI:

Board Evalutation Criteria

  1. turn => positive points, other => negative points
  2. pieces = 1 point, tower = 3 points --> check if element.length is bigger 1
  3. more points as you go forward and in the middle --> from early match looking, forward +, middle +
  4. and give points per move one can make --> count(getAllMoves() (From the same starting point))

Game ending conditions:

  1. A player that cannot make a legal move loses
  2. Making the same move 3 times (remis) (for later)
  3. Reaching the other end
  4. no more pieces

Minimax algorithm

  1. red is max Player
  2. blue is min Player

TODO:

  • implement automatic max player and min player call
  • Maybe new Tree Structure idk
  • Benchmarks verbessern (Unterschiede in Anzahl der untersuchten Stellungen zeigen)
  • Projektwiki aktualisieren

Erweiterte KI:

  • 3-5 weitere KI Techniken implementieren (darunter 1-2 komplexe)

Komplexe Beispiele:

Weniger Komplexe:

  • Zugsortierung
  • Erweitern der Bewertungsfunktion (Zentrumskontrolle, Piece Square Tables, Mobilität/Felderkontrolle, vllt TWOCOLTOEWR noch mehr Punkte geben)
  • Verbesserung des Inserts (vllt auch concurrency beim Tree create/insert?)
  • zufällige Auswahl von moves, falls es einen anderen move mit der gleichen eval Punktzahl existiert
  • 3 Fache Wiederholung erkennen
  • vielleicht noch Effizienzerhöhung durch (# Precompute the KING_MOVES array at import time KING_MOVES = np.fromiter( (compute_king_moves(i) for i in range(64)), dtype=np.uint64, count=64 )) aus snakefish

Screencast: Deliverables:

  1. ein kurzer Report:
  • Welche KI-Techniken haben Sie umgesetzt, wie haben Sie sie implementiert?(Begründete Designentscheidungen)
  • tabellarische Präsentation der Performancetests. Unbedingt auch Ihre Rechnerkonfiguration spezifizieren.
  • Wie hat sich die Bewertungsfunktion über den bisherigen Verlauf des Semesters entwickelt?
  • Was planen Sie für den 4. Meilenstein?
  1. Screencast, der demonstriert, wie Sie Ihre Performancetests durchführen, z.B. durch recording der Konsole.
  2. Dokumentation der Performance Ihrer aktuellen KI im Wiki.

aspiration windows tests

  • without: 5642

  • 2 move to win tree took 3.7085649967193604

  • 3 moves to win took: 0.037438154220581055 seconds C5-C6 --> res: C5-C6

  • with: BitBoard Dokumentation

optimierte KI:

  • benchmark Tests sauber implementieren (so umschreiben, dass man alphabeta und minimax laufen lassen kann und bitboard und 2D array auch in einem)
  • bitboards optimieren
  • Ruhesuche parameter überarbeiten -> zugsortierung
  • aspiration windows fix (maybe)
  • Tree optimieren (vielleicht durch Parallelisierung)
  • Zeitmanagement