CS188人工智能项目-Project2 多智能体搜索

导入项目运行

下载代码后，终端运行命令

python pacman.py

得到吃豆人的游戏界面说明项目运行成功：

        如果运行失败，检查python是否安装成功，主要检查两点，终端输入python有没有python提示的显示，如果弹出的是微软商店，记得在环境变量中删除微软商店的路径，最后有个APP的路径就是。然后确保python安装目录已添加到系统变量的path中。

编写评估函数

        第一个函数getAction并不需要去修改它，是一个获取下一步行动的函数。而行动则是根据一定分数来评估，这个分数需要调用函数evaluationFunction来获取。最初的evaluationFunction只有基础的功能，需要自己来编写评估函数，返回一个分数。这个分数的设计方式就是计算当前位置与所有食物的曼哈顿距离，取反，和所有鬼魂的距离向乘，加上获取的分数。

# 计算当前位置与鬼魂之间的曼哈顿距离
ghost_distances = []
    for gs in newGhostStates:
        ghost_distances += [manhattanDistance(gs.getPosition(), newPos)]

# 计算食物到当前位置距离之和
food_distances = []
for food_position in foodList:
    food_distances += [manhattanDistance(newPos, food_position)]
inverse_food_distances = 0;
if len(food_distances) > 0 and min(food_distances) > 0:
    inverse_food_distances = 1.0 / min(food_distances)

# 计算分数
currscore += min(ghost_distances) * (inverse_food_distances ** 4)
currscore += successorGameState.getScore()

同时，如果下一步能够吃到食物或者鬼魂正处于恐惧状态，则可以获得额外的加分。

# 鬼魂处于害怕状态则所有时间都可以加入评估分数
for st in newScaredTimes:
    current_score += st

# 新位置有食物分数更高
if newPos in curfoodList:
    current_score = current_score * 1.1

Minimax

        开始编写Minimax智能代理，需要在getAction中编写新的函数，从注释可以获取一些函数的作用。根据提示信息编写函数，在min中会有多个ghost分支需要全部求min。

        def maxValue(gameState, d):
            # 初始化为负无穷
            val = float('-inf')
            # 最佳移动方式默认为停止
            bestAction = 'Stop'
            # 对所有min分支求最大值
            for action in gameState.getLegalActions(0):
                tempState = gameState.getNextState(0, action)
                tempVal, tempAction = minimaxDecision(tempState, 1, d)
                if tempVal > val:
                    val = tempVal
                    bestAction = action
            return (val, bestAction)

        def minValue(gameState, ghost, d):
            val = float('inf')
            for action in gameState.getLegalActions(ghost):
                tempState = gameState.getNextState(ghost, action)
                tempVal, action = minimaxDecision(tempState, ghost + 1, d)
                if tempVal < val:
                    val = tempVal
            return val

        # 选择最大最小值
        def minimaxDecision(gameState, agent, d):
            if agent >= gameState.getNumAgents():
                agent = 0
                d += 1
            # 若当前状态已经赢了或输了或者已经到达了规定的深度
            if (gameState.isWin() or gameState.isLose() or self.depth < d):
                return (self.evaluationFunction(gameState), '')
            # agent=0（吃豆人）则吃豆人获取最大值，反之鬼魂获得最小值
            if 0 == agent:
                return maxValue(gameState, d)
            else:
                return (minValue(gameState, agent, d), '')

        # d位0是吃豆人
        d = 1
        firstAgent = 0
        value, action = minimaxDecision(gameState, firstAgent, d)
        return action

运行测试

 

 虽然通过，但是得分很低，运行命令

python pacman.py -p MinimaxAgent -l minimaxClassic -a depth=4

会发现得分不稳定，并且有时糖豆人会输掉，有时会胜利。

 

        可以尝试树长为4，放置两个鬼魂，发现每走一步都非常困难，时间复杂度很高，这就需要进行剪枝。

αβ剪枝

        剪枝只需要在minimax基础上对max、min函数中的不必要搜索的路径剪去，其他部分几乎一样。

# 若已经比beta要大了 就没有搜索下去的必要了
if val > beta:
    return (val, action)

同理修改minValue

# 若比alpha还要小了 就没搜索的必要了
if val < alpha:
    return val
beta = min(beta, tempVal)

运行命令

python pacman.py -p AlphaBetaAgent -a depth=3 -l smallClassic

发现得分比之前会高很多，每走一步所需要的时间花费更少了。

 Expectimax

        Expectimax要求不能所有的幽灵都采取min，而是需要根据幽灵的行动方式来采取期望，因此在minimax的基础上修改min函数。

def expectiValue(gameState, ghost, d):
    val = 0
    legalActions = gameState.getLegalActions(ghost)

    # 加和所有行动值
    for action in legalActions:
        tempState = gameState.getNextState(ghost, action)
        tempVal, action = expectimaxDecision(tempState, ghost + 1, d)
        val += tempVal

        # 返回平均值
        return val / len(legalActions)

执行αβ剪枝十次

 然后执行期望

        可以看到αβ剪枝总是输，而Expectimax大约能赢一半。当吃豆人陷入困境，在Expectimax中他至少会尝试脱困或者自杀，这样就能减少分数惩罚。

更好的评价函数

        betterEvaluationFunction要求编写一个更好的评估值函数。可以使用鬼魂的启发值、食物的启发值和恐惧胶囊的启发值来作为返回参数。首先幽灵的启发值就是所有幽灵的距离，距离较远则有较高的启发值。

# 计算幽灵启发值
for ghostState in currentGameState.getGhostStates():
    mDistance = manhattanDistance(ghostState.configuration.getPosition(), newPos)
    # 不在恐惧时间内
    if ghostState.scaredTimer <= 1:
        # 距离较远
        if 5 > mDistance:
            evaluation -= (10 - mDistance)
        # 距离太近
        elif 2 > mDistance:
            evaluation -= 100
for capsule in currentGameState.getCapsules():
    evaluation -= manhattanDistance(capsule, newPos)

食物的启发值则是获取最近的食物，距离近则启发值高。

for food in currentGameState.getFood().asList():
    closestFood = min(manhattanDistance(food, newPos), closestFood)
evaluation -= closestFood + currentGameState.getNumFood()

胶囊则是使用个数作为启发值，个数越多启发值越高。

# 胶囊启发值
newCapsule = currentGameState.getCapsules()
# 计算胶囊的个数
numberOfCapsules = len(newCapsule)
evaluation += numberOfCapsules
return evaluation

最后运行命令

python autograder.py -q q5 --no-graphics

 MiniMax

闲话

知乎上可能有和此文章重复度比较高的段落，是我之前做软件测试的时候自动写的，详见selenium简单的UI测试，测试知乎点赞、收藏、搜索、写文章、浏览五个功能_selenium 知乎发布文章_井上泷奈的博客-CSDN博客