====== 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 [[https://cw.felk.cvut.cz/brute/|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'' (2x2 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 co nejlépe, ale stručně, vysvětlovat, jak hráč hraje. Příklad:
<code python>
class MyPlayer:
    '''Hrac hraje, co ho napadne, vetsinou C'''  # <--- Tento docstring změňte tak, aby popisoval základní princip vašeho hráče
    def __init__ #dale pak pokracuje standardni kod
</code>





===== Payoff_matrix =====
Dvourozměrné pole [[https://docs.python.org/3/library/functions.html#func-tuple|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 
<code python>
payoff_matrix[0][1][0]
</code> 
Poslední index odpovídá hráči, A=0, B=1. Symbolicky lze také rovnou psát:
<code python>
payoff_matrix[COOPERATE][DEFECT][0]
</code>

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 několik turnajů. V každém turnaji je cílem **maximalizovat** svůj //celkový// zisk, tedy součet všech dílčích zisků v jednotlivých kolech mít co největší. 

Jednu část hodnocení bude tvořit souboj vašeho hráče proti sobě samému. Hráč to ovšem nebude explicitně vědět, musí na to přijít 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. Druhou částí hodnocení budou turnaje typu každý proti každému.

Turnajů bude několik. U základní varianty bude matice zisků známa dopředu. U další varianty turnaje se hráč dozví matice zisků až 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 svoji strategii během hry měnit jakkoli chce.

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.


===== 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:
<code python>
payoff_matrix = ( ((4,4),(1,6)) , ((6,1),(2,2)) )
</code>

/*Pro vaše vlastní testování můžete, a také to doporučujeme, použít i jiné matice.*/

===== 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 [[https://gitlab.fel.cvut.cz/RPH-student-materials/pd|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.