src/qtable.py

   1 #!/usr/bin/env python3
   2
   3 import numpy as np
   4 import random
   5 import sys
   6
   7 from game import Game
   8
   9 states_dim = 147456 # 2^12 * 6^2
  10 actions_dim = 637 # 12+1 * (6+1)^2
  11 num_episodes = 1000
  12
  13 def find_state_qid(shutable, diced):
  14     qid = 0
  15     for rod in shutable:
  16         qid += pow(2, rod-1)
  17     for i in range(len(diced)):
  18         qid += (diced[i]-1) * pow(6, i) * pow(2, 12)
  19     return qid
  20
  21 def find_option_qid(option):
  22     qid = 0
  23     for i in range(len(option)):
  24         qid += option[i] * pow(7, i) * pow(13, len(option)-1)
  25     return qid
  26
  27 def select_option(opts, qs):
  28     opt_qid_pairs = []
  29     opt_qsum = 0.0
  30     for opt in opts:
  31         opt_qid = find_option_qid(opt)
  32         opt_qid_pairs.append( [opt, opt_qid] )
  33         opt_qsum += qs[opt_qid]
  34     random.shuffle(opt_qid_pairs)
  35     ran_pt = random.uniform(0.0, opt_qsum)
  36     decision_pt = 0.0
  37     for opt_qid_pair in opt_qid_pairs:
  38         decision_pt += qs[ opt_qid_pair[1] ]
  39         if ran_pt <= decision_pt:
  40             return (opt_qid_pair[0], opt_qid_pair[1])
  41     return (None, None)
  42
  43 Q = np.zeros([states_dim, actions_dim])
  44
  45 for i in range(num_episodes):
  46     g = Game()
  47     while not g.is_over():
  48         g.dice()
  49         state_qid = find_state_qid(g.get_shutable(), g.get_diced())
  50         opt, opt_qid = select_option( g.get_options(), Q[state_qid, :] )
  51         if opt:
  52             g.shut(opt)
  53     print( "%d: %d" % (i, g.get_score()) )