jorgejarai / solitario_ia

Solitario Klondike

Esta es una implementación del juego de cartas Solitario Klondike, también conocido como Solitaire o Patience. El juego se ejecuta en la terminal, y se puede jugar con el teclado. Incluye también un par solvers que resuelven el juego automáticamente utilizando DFS y deep Q-learning.

La implementación del modelo DQN fue desarrollada originalmente por Michael Richardson, licenciada bajo la versión 3 de la GPL y que se puede encontrar en este repositorio.

Cómo ejecutar

Para ejecutar el juego, es necesario tener instalado Python 3.7 o superior. Con Python instalado, basta con ejecutar el siguiente comando:

$ ./main.py

Los siguientes son algunos ejecutables asociados a los solvers implementados:

• ./viewer.py <tablero>: muestra el tablero especificado (en formato JSON) en una ventana gráfica, pudiendo reproducir las jugadas realizadas por el solver DFS
• ./dfs_solver.py: resuelve el juego con el algoritmo de búsqueda en profundidad con un tablero inicial aleatorio
  • ./dfs_solver.py <tablero>: resuelve el juego con el algoritmo de búsqueda en profundidad con el tablero especificado (en formato JSON)
  • ./dfs_solver.py --bench: resuelve el juego con el algoritmo de búsqueda en profundidad con 1000 tableros iniciales aleatorios, generando estadísticas
  • ./dfs_solver.py --bench <tablero1> <tablero2> ...: resuelve el juego con el algoritmo de búsqueda en profundidad iterativamente con los tableros especificados (en formato JSON), generando estadísticas
  • Cada vez que el algoritmo encuentra una solución, guarda en la carpeta boards/ un archivo JSON con el tablero inicial y la secuencia de jugadas que lleva a la solución.
• ./rl_train.py: entrena un agente de refuerzo usando deep Q-learning, generando un modelo PyTorch y estadísticas
  • ./rl_train.py <tablero1> <tablero2> ...: entrena un agente de refuerzo usando deep Q-learning con los tableros especificados (en formato JSON)
  • El entrenamiento se ejecutará hasta alcanzar una tasa de 75% de victorias. En cualquier momento, se puede detener el entrenamiento con Ctrl+C, y se guardará el modelo y las estadísticas hasta ese momento. También se genera un archivo que contiene la semilla del generador de números aleatorios, para poder reproducir el entrenamiento.
• ./rl_test.py <modelo> <semilla>: resuelve el juego con un agente de refuerzo entrenado, generando estadísticas.
  • El modelo corresponde al archivo PTH generado por el entrenamiento. La semilla corresponde al valor contenido el archivo de semilla generado por el entrenamiento.
• ./generate_boards.py <n>: genera n tableros iniciales aleatorios, guardándolos en la carpeta boards/random/ en formato JSON

Cómo jugar

En cada jugada, se imprime por pantalla el estado actual del tablero, y se pide al usuario que introduzca una jugada. Los movimientos válidos son los siguientes:

• m <a> <b> [<size>]: mueve la carta superior de la pila a a la pila b. Si se especifica size, se moverán tantas cartas como se indique. Por defecto, se mueve una sola carta.
• d <a>: saca una carta del depósito y la pone en el descarte
• f <a>: mueve la última carta de la columna a a su casilla correspondiente en la base
• w <a>: mueve la última carta de la columna a al descarte
• s: mueve la última carta del descarte a su casilla correspondiente en la base
• b <a> <b>: mueve la última carta de la base a a la columna b
• u: deshace la última jugada
• q: sale del juego

Si alguno de los comandos o las jugadas que generan no son válidas, se imprime un mensaje de error y se vuelve a pedir una jugada.

Integrantes

• Aníbal Ibaceta
• Sebastián Hevia
• Jorge Jara