Hráč

Podrobná specifikace toho, co musí hráč umět a jak musí vypadat, aby mohl hrát turnaj s ostatními.

Soubor k odevzdání

Veškerý potřebný kód, který hráč potřebuje ke hraní musí být v souboru player.py. Tento soubor (a jen tento soubor) nahrajete do BRUTE. Hráč může importovat některé standardní moduly Pythonu (Python Standard Library), např. random nebo typing.

Třída MyPlayer a její metody

Uvědomme si, že hráči spolu nekomunikují přímo, ale přes prostředníka, který bude hráče volat a archivovat jejich výsledky. Hráče (v souboru 'player.py') implementujete ve formě třídy MyPlayer, která bude poskytovat tyto metody:

metoda	vstupní parametry	výstupní parametry	vysvětlení	Časový limit v turnaji
`__init__`	`payoff_matrix` (2×2 seznam dvojic), `number_of_iterations` (integer)	žádné	Vytvoření instance hráče. Hráč vždy dostane `payoff_matrix`, ale počet tahů ve hře (`number_of_iterations`) dostat může a nebo nemusí. Metoda si musí poradit s tím, že bude volaná s 1 parametrem a nebo se 2 parametry (tj. nesmí ohlásit chybu, pokud je volaná jen s 1 parametrem). Hráč si vstupní parametry typicky poznamená a může je použít pro zvolení strategie. Detaily ohledně formátu a užití payoff_matrix najdete v souborech ke stažení (viz dole).	60 s
`select_move`	žádné	False nebo True	Vygenerování tahu. False znamená spolupracovat (COOPERATE), True znamená podvést (DEFECT).	1 s
`record_last_moves`	`(my_last_move, opponent_last_move)` (False nebo True)	žádné	Hráč přijme oba poslední tahy, svůj i soupeřův. Oba tahy typu boolean, buď False (=COOPERATE) a nebo True (=DEFECT) a hráč si tahy může přidat do své paměti. Přijímat svoje tahy se může zdát zbytečné, ale poslouží v případě varianty hry se šumem v komunikaci.	1 s

Popisný řetězec

Třída - hráč se bude identifikovat popisem ve formě doc-stringu. Maximální délka je 80 znaků. Popis by měl pokud možno vysvětlovat jak hráč hraje. Příklad:

class MyPlayer:
    '''Hrac hraje, co ho napadne, vetsinou C'''
    def __init__ #dale pak pokracuje standardni kod

Payoff_matrix

Dvourozměrné pole dvojic. První řádek a sloupec, index 0, odpovídají COOPERATE, druhý řádek a sloupec pak volbě DEFECT.

Zisk hráče A v případě že hraje COOPERATE a hráč B DEFECT je tedy

payoff_matrix[0][1][0]

Poslední index odpovídá hráči, A=0, B=1. Symbolicky lze také rovnou psát:

payoff_matrix[COOPERATE][DEFECT][0]

V našich hrách a turnajích budeme uvažovat pouze “symetrickou” payoff matici. Hráč tedy nemusí vědět, zda je hráč A či B, mají rovné příležitosti i rizika. Příklad matice naleznete níže.

Hráč nesmí

zapisovat cokoli na disk, musí si tedy udržovat vše v paměti
snažit se navázat spojení s jiným počítačem, jiným procesem a pod.
být nepatřičně zvídavý, např. prohlížet obsah disku
snažit se nepoctivě ovlivňovat soupeřovo rozhodování
…

Zkrátka má pouze hrát.

Z tohoto důvodu je v BRUTE zakázán import mnoha standartních modulů, nejvýznamější z nich jsou os, sys, importlib a inspect. Stejně tak je zakázáno používat standardní funkci open().

Turnaj(e)

Na konci budou hrát hráči systémem každý s každým. Cílem je maximalizovat svůj celkový zisk za celý turnaj, tedy součet všech dílčích zisků v jednotlivých kolech a soubojích mít co největší. Turnajů může být více. U základní varianty bude známa matice zisků/ztrát dopředu, budete mít tedy možnost nastavit vaše hráče. U pokročilé varianty bude matice zisků/ztrát předána hráči před začátkem hry. Informace o počtu iterací předána být může i nemusí. Alespoň u jednoho turnaje předána bude. Hráč bude muset rozhodnout sám jakou strategii hrát. Hráč může měnit svoji strategii během hry, pokud tak uzná za vhodné.

Jeden z turnajů bude zatížen šumem v komunikaci. S nějakou malou pravděpodobností se může váš či soupeřův tah obrátit. Hra se šumem dobře modeluje některé reálné situace, detailnější diskuse viz např. http://www-personal.umich.edu/~axe/research/PD_with_Noise.pdf Doufáme, že šumová varianta hry podnítí kreativitu a přinese nová zajímavá řešení.

Součástí turnajů bude i souboj vašeho hráče proti sobě samému. Nebude to ovšem explicitně vědět, musí na to příjít sám. Bodový zisk se započítá oběma stranám - v případě souboje se sebou samým si tedy váš hráč přijde na součet zisku hráče A i B.

Odpovědi na dotazy

V některých turnajích bude hráč hrát i sám proti sobě.
V každém turnaji bude každá možná dvojice hrát proti sobě právě jednou.
Payoff matice budou vždy symetrické - nezáleží, zda jste hráč A či B.
Může se stát, že vzájemná kooperace bude výrazně výhodnější než racionální strategie.
Může se stát, že dilema v payoff matici nebude, ale nic super záludného to nebude.
Při každém volání metod select_move a record_last_moves je timout nastaven na 1 sekundu, u konstruktoru na 60 sekund. Pokud váš kód potřebuje více, doporučuji prodiskutovat vaše řešení se cvičícím. Rádi oceníme kreativitu, zajímavé nápady. Možná váš kód počítá něco zbytečně a může být výrazně rychlejší.
Turnaj bude hrán paralelizovaně; může se tedy stát, že v paměti bude žít více instancí Vašich hráčů najednou, i když spolu nehrají.

Matice pro první turnaj a testování

Matice, která bude použita pro první turnaj:

	C	D
C	4,4	1,6
D	6,1	2,2

tedy v Pythonu:

payoff_matrix = ( ((4,4),(1,6)) , ((6,1),(2,2)) )

Ukázky různých typů matic

Kromě klasických matic pro vězňovo dilema (jako je např. matice pro první turnaj a testování) mohou být použity i jiné typově odlišné matice (nejen v našich turnajích).

Matice, kde není dilema a dominantní strategie (D) je tedy jasná:

	C	D
C	2,2	4,6
D	6,4	10,10

Jiný typ matice vedoucí na alternující strategii:

	C	D
C	5,5	1,70
D	70,1	2,2

Doporučujeme pro testování vašich algoritmů vzít v úvahu rozličné typy payoff matic.

Soubory ke stažení

Pokud už máte implementovaného hráče, můžete si stáhnout a prohlédnout kódy pro velmi jednoduché otestování: game.py, který implementuje hru, a test_game.py, který umí postavit dva hráče proti sobě a nechá je zahrát hru. Pročtěte si tyto kódy, a komentáře v nich a zkuste je spustit se svým hráčem (test_game.py postaví proti sobě vaše dva identické hráče). Soubory si samozřejmě můžete libovolně upravit a dělat s nimi experimenty.

Table of Contents