💹 Posibilitate de selectare a celor 3 optiuni: Jucator vs Jucator, Jucator vs Calculator, Calculator(estimare gaste) vs Calculator(estimare vulpe)
💹 Selectare default Jucator vs Calculator : Gaste vs Calculator Min-Max
💹 Utilizatorul poate alege ce algoritm doreste sa foloseasca (Min-Max sau Alpha-Beta)
💹 Utilizatorul poate sa aleaga daca joaca de partea vulpii sau a gastelor
💹 Prin utilizarea meniului utilizatorul nu poate raspunde gresit
💹 Utilizatorul poate alege din 3 nivele de dificultate
💹 Fiecare nivel corespunde unei adancimi a arborelui calculata prin formula 1 + 2 * dificultate ( pt niv Usor => adancime = 1, pt niv Mediu => adancime=3, pt niv Greu => adancime =5 )
💹 Interfata grafica PyGame
def desenare_tabla_joc(self, ecran):
for i in range(len(self.noduri)):
for muchie in self.muchii[i]:
pozitia1 = self.noduri[i].punct_desenat
pozitia2 = self.noduri[muchie].punct_desenat
# desenare linie dintre doua puncte
pygame.draw.line(ecran, (0, 0, 0), pozitia1, pozitia2, 2)💹 Afisarea a cui este rândul să mute.
💹 Indicarea, la finalul jocului, a câstigatorului
💹 Generarea si afisarea starii initiale de joc: 13 gaste si o vulpe
💹 Generarea si afisarea starilor intermediare de joc
💹 Mutare utilizator prin eveniment in interfata grafica (click mouse)
💹 clasa utilitara pentru controlul inputului de mouse: MouseInput ( constructor + metoda update(self))
💹 Verificata si corectitudinea mutarilor utilizatorului prin apelul functiei:
returneaza_nod_apasat(tabla_de_joc, pygame.mouse.get_pos())
# daca nodul nu exista returneaza -1
💹 Afisare in consola tabela de joc
def afisare_consola(self, tabla_de_joc):
for x in range(8):
for y in range(8):
if tabla_de_joc.numar_nod_in_grafic.get((x, y)) != None:
# accesez valoarea din dictionarul numar_nod_in_grafic
numar_nod = tabla_de_joc.numar_nod_in_grafic[(x, y)]
if numar_nod in self.gaste:
print("G ", end="")
elif numar_nod == self.vulpe:
print("V ", end="")
else:
print("# ", end="")
else:
print(" ", end="")
print("\n", end="")💹 Afisarea timpului de gandire, dupa fiecare mutare
💹 Pentru timpul de găndire al calculatorului: afișarea la final a timpului minim, maxim, mediu și a medianei.
def update(self): # din clas Joc💹 Afișarea estimărilor date si numărului de noduri generate de minimax și alpha-beta ( functiile muta din clase)
💹 La final se va afișa numărul minim, maxim, mediu și mediana pentru numarul de noduri generat pentru fiecare mutare
💹 Afisarea timpului final de joc (cat a rulat programul) si a numarului total de mutari
💹 Utilizatorul poate sa opreasca jocul cand vrea si sa afiseze analiza timpilor si a mutarilor in consola folosind tasta ESCAPE care il va intoarce in meniul principal
💹 Titlul ferestrei de joc
pygame.display.set_caption('Dima Oana-Teodora Vulpi si Gaste')💹 Functia de generare succesorilor
def genereaza_posibile_capturi(solutii, tabla_de_joc, configuratie_curenta, solutie_actuala):
"""
Recrusivitate
"""
if solutie_actuala != []: # adauga la lista noile noduri
solutii.append(solutie_actuala)
for alt_nod in range(len(tabla_de_joc.noduri)):
if verificare_adaugare(solutie_actuala, tabla_de_joc, configuratie_curenta, alt_nod):
solutie_noua = solutie_actuala.copy()
solutie_noua.append(alt_nod)
# apel recrusiv
Vulpe.genereaza_posibile_capturi(solutii, tabla_de_joc, configuratie_curenta, solutie_noua)💹 Functie de testare a validitatii unei mutari (folosita si pentru a verifica mutarea utilizatorului)
def mutare_valida(tabla_de_joc, configuratie_curenta, nr_nod_curent, nr_alt_nod):
lista_muchii = tabla_de_joc.muchii[nr_nod_curent]
if nr_alt_nod in lista_muchii:
if (nr_alt_nod not in configuratie_curenta.gaste) and (nr_alt_nod != configuratie_curenta.vulpe):
return True
return False💹 Functia de stabilire a castigatorului
def gaseste_castigator(self, tabla_de_joc):
# calculez miscarile posibile ale vulpii
configurari_vulpe = Vulpe.configurari_posibile(tabla_de_joc, self)
if len(configurari_vulpe) == 0: # daca vulpea nu mai are miscari, gastele castiga
return "castiga gastele"
if len(self.gaste) <= 4: # daca gastele raman mai putine de 4 atunci vulpea castiga
return "castiga vulpea"
return "configuratie nefinala" # nu am configuratie finala💹 Doua moduri diferite de estimare a scorului (pentru stari care nu sunt inca finale)
def estimare_gaste(tabla_de_joc, configuratie_curenta, dummy): # in favoarea gastelor
def estimare_vulpe(tabla_de_joc, configuratie_anterioara, configuratie_curenta): # in favoarea vulpii
💹 Comentarii
💹 Explicarea pe scurt a fiecarei functii si a parametrilor: Python DocStrings
💹 Ordonarea succesorilor înainte de expandare (bazat pe estimare) astfel încât alpha-beta să taie cât mai mult din arbore.
configuratii_posibile = sorted(configuratii_posibile, key=lambda t: functie_estimare(tabla_de_joc, t, t))💹 Algoritmului de generare a mutarilor
Fiecare din cele 4 clase care apeleaza algoritmii de Min-Max sau Alpha-Beta, au o metoda prin care returneaza configuratiile urmatoare posibile generate in urma aplicarii unuia din cei 2 algoritmi.
def muta(self, tabla_de_joc, configuratie_curenta)💹 Estimarea scorului
Se face prin 2 metode.
🦊 Clasa Vulpe
def estimare_vulpe(tabla_de_joc, configuratie_anterioara, configuratie_curenta):
return len(configuratie_anterioara.gaste) - len(configuratie_curenta.gaste)Returneaza diferenta care reprezinta cate gaste a mancat vulpea de la ultima mutare in joc.
🦆 Clasa Gaste
def estimare_gaste(tabla_de_joc, configuratie_curenta, dummy):
nr_gaste = 0
for nr_alt_nod in tabla_de_joc.muchii[configuratie_curenta.vulpe]:
if nr_alt_nod in configuratie_curenta.gaste:
nr_gaste += 1
return nr_gasteReturneaza nr de gaste care inconjoara vulpea in configuratia curenta.