Hướng dẫn chạy code tháng 9: Hệ thống chơi game một người

• Trong các game đã có các hàm normal_main_2, numba_main_2

• Các game đã có: Splendor_v2,Century, MachiKoro, Sheriff, Splendor, TLMN, TLMN_v2, SushiGo

  normal_main_2(function, number_of_matches)
  '''
    Hàm chạy thuật toán của người chơi ở chế độ 1 người nhưng có thể không dùng numba trong agent
    file_per trong hệ thống đã quy định là 0, file_per = 0
      Args:
          function: thuật toán của người chơi
          file_per: file_per đầu vào, phải quy định định dạng từ đầu và không được thay đổi trong khi chạy
          number_of_matches: Số trận chạy thuật toán
      Returns: 
          Win: Số trận thắng
          file_per: file per của người chơi đó
  '''
  
  numba_main_2(function, file_per, number_of_matches)
  '''
    Hàm chạy thuật toán của người chơi ở chế độ 1 người nhưng có thể không dùng numba trong agent
      Args:
          function: thuật toán của người chơi
          file_per: file_per đầu vào, phải quy định định dạng từ đầu và không được thay đổi trong khi chạy
          number_of_matches: Số trận chạy thuật toán
      Returns: 
          Win: Số trận thắng
          file_per: file per của người chơi đó
  '''
  
  

• Ví dụ

  from base.MachiKoro.env import *
  @njit()
  def p0(state,temp,per):
      if per[3][0][0] == 0:
          a = per[2][0]
          choice = np.where(a == np.min(a))[0][0]
          if np.sum(per[2][0])> 1000:
              choice = np.argmax(per[1][0]/per[2][0])
          per[3][0][0] = choice
      idmt = int(per[3][0][0])
      mt = per[0][idmt]
      actions = getValidActions(state)
      actions *= mt
      action = np.argmax(actions)
      if getReward(state) == 1:
          per[1][0][idmt] += 1
          per[3][0][0] = 0
      if getReward(state) == 0:
          per[2][0][idmt] += 1
          per[3][0][0] = 0
      return action,temp,per
  
  
  def test2(state,temp,per):
      if per[3][0][0] == 0:
          a = per[2][0]
          choice = np.where(a == np.min(a))[0][0]
          if np.sum(per[2][0])> 100:
              choice = np.argmax(per[1][0]/per[2][0])
          per[3][0][0] = choice
      idmt = int(per[3][0][0])
      mt = per[0][idmt]
      actions = getValidActions(state)
      actions *= mt
      action = np.argmax(actions)
      if getReward(state) == 1:
          per[1][0][idmt] += 1
          per[3][0][0] = 0
      if getReward(state) == 0:
          per[2][0][idmt] += 1
          per[3][0][0] = 0
      return action,temp,per
  
      perx = [np.array([np.random.rand(getActionSize()) for _ in range(100)]),np.zeros((1,100)),np.zeros((1,100)),np.zeros((1,100))]
      win1, x = normal_main_2(test2, perx, 1000)
      win, x = numba_main_2(p0, perx , 1000)
      print(win, win1)
  

Clone and run code

• Google colab
  • Kết nối với drive
  • Tạo nơi muốn lưu hệ thống này(lưu data đã train lên drive để sau này sử dụng)

  %cd path_vừa_tạo
  %git clone https://github.com/ngoxuanphong/GAME.git
  %cd GAME
  

  • Chỉnh sửa trong setup.py

  !python main.py
  

  • chạy code bằng hàm
  • LƯU Ý:
    • Mỗi lần mở drive lên để chạy nhớ %cd đến thư mục và pull lại hệ thống vì có thể có update
    • Nhớ lưu ý đẩy folder của mình vào Agent, trong hệ thống đã có Agent mẫu

Run code

• players: list player muốn truyền vào

  • ở chế độ Train thì sẽ train đa luồng tương ứng số người chơi
  • chế độ Test nếu truyền vào không đủ người chơi thì sẽ tự động thêm random vào

• games_name = ['Splendor_v2','Century', 'MachiKoro', 'Sheriff', 'Splendor', 'TLMN', 'TLMN_v2', 'SushiGo',]

• game_name: Tên game, có thể lấy ở games_name

• time_run_game = Thời gian chạy game ở chế độ train, xong thời gian tự động dừng

• Thay đổi game, time_train và list_agent ở setup.py

  type_run_code = 'Test' #'Train' or 'Test'
  players = ['Trang', 'Trang1'] 
  game_name = 'Splendor_OnlyPlayerView'
  time_run_game = 1000

• Chạy hàm main.py để train và test với random

• Trong hệ thống đã có sẵn code chị Trang để mọi người tham khảo

Agent

• Mỗi người là một folder, đặt tên theo quy tắc tên_ngàynạpcode ví dụ: Phong_08_12_2022
• Trong mỗi folder sẽ có:
  • file Agent_player.py: Lưu thuật toán của mọi người(chỉ có hàm)
• Agent_Player.py Tham khảo folder Trang có sẵn trong hệ thống
  • Có 2 hàm bắt buộc:
    • train(n) n là tham số đầu vào(1 là 10000 ván, ...)
    • test() là hàm đọc file để test với random và người chơi khác
  • Chú ý:
    • Trong thuật toán list_player phải dựa vào getAgentSize() tại vì các game thì số lượng người chơi khác nhau
    • player phải là tên folder của người chơi
    • Thêm đoạn code này trong hàm Test

        player = 'NhatAnh_0822' #Tên folder
        path_save_player = f'Agent/{player}/Data/{game_name}_{time_run_game}/' #Path để đọc file Test
        #Sau đó đọc file test như bình thường
      

    • Thêm đoạn code này vào trong file thuật toán để import game và khởi tạo path lưu và đọc data

    import os
    import sys
    from setup import game_name,time_run_game
    sys.path.append(os.path.abspath(f"base/{game_name}"))
    from env import *
    
    player = 'Trang'  #Tên folder của người chơi
    path_data = f'Agent/{player}/Data'
    if not os.path.exists(path_data):
        os.mkdir(path_data)
    path_save_player = f'Agent/{player}/Data/{game_name}_{time_run_game}/'
    if not os.path.exists(path_save_player):
        os.mkdir(path_save_player)
    

Game