Към съдържанието
wannacode

Съперниците

Накратко: Съперникът оценява с число всяко действие, което може да плати, взима най-голямото, плаща и оценява наново. Характерът на империята са теглата в същите формули.

Проблем

Съперник, който не мисли

В Epic Cosmos играеш срещу три империи. Докато ти пишеш команди, всяка от тях решава какво да прави на този ход: да постави мина, да изгради лаборатория, да заселва нова планета, да поръча кораби, да прати флота. Как се прави такъв съперник?

Първият опит е сценарий: „ход 1 мина, ход 2 мина, ход 3 колония…“. Играчът го разбира за три партии и после го бие всеки път. Вторият опит е веригата „ако … иначе“: ако има пари за колония, колонизирай; иначе ако е в опасност, строй кораби; иначе… Всяко ново действие иска нов ред и нови изключения към другите, а съперникът пак е предвидим и прави глупости, защото никой не е предвидил точно това положение.

Има и по-хубав начин. Дай на всяко възможно действие число: колко е добро за тази империя сега. Направи действието с най-голямото число. „Колония или кораби?“ е сравнение на две числа, а не правило за тази двойка. Нов вид действие е нов ред в списъка с оценки, без да се пипа останалото.

И още нещо, което прави играта интересна: характерът. Воинът, строителят и ученият не са три програми, а един и същ код с различни тегла във формулите.

Идеята

Числото за всяко действие

Ето положението, с което работи целият урок. Ход 5, една империя с две планети (Кора I със завод за кораби и Кора II с една мина), още две свободни планети в същата система (Веста I и II), 100 метал и сила на флота 10:

@dataclass(frozen=True)
class Option:
    kind: str
    target: str
    utility: int




class Planet:
    def __init__(self, name, rich, mines, yard):
        self.name = name
        self.rich = rich
        self.mines = mines
        self.lab = False
        self.yard = yard




class Empire:
    def __init__(self):
        self.metal = 100
        self.power = 10
        self.turn = 5
        self.owned = []
        self.free = []
MAX_MINE = 3
LAB_COST = 40
SHIP_COST = 8
SHIP_POWER = 5




def new_empire():
    empire = Empire()
    empire.owned.append(Planet("Kora I", 4, 0, True))
    empire.owned.append(Planet("Kora II", 3, 1, False))
    empire.free.append(Planet("Vesta I", 3, 0, False))
    empire.free.append(Planet("Vesta II", 1, 0, False))
    return empire

Какво може да направи тази империя? Да построи мина на планета (струва 15 × (мини + 1)), да построи лаборатория (40), да заселва колония на свободна планета (с всяка планета струва повече: сега 52) или да поръча кораби. Всяко от тях получава оценка, а оценките са формули. Първо двете постройки:

  • мина = строеж × богатство / (4 × (мини + 1)): богатата планета е по-ценна, а всяка нова мина на същата планета е по-малко ценна (делителят расте);
  • лаборатория = наука × 6 / 5 − 40 × лаборатории: втората лаборатория е с 40 по-малко ценна от първата.

После колониите и корабите:

  • колония = разширяване × (богатство + 6) × 50 / (цена × 6): свободната богата планета е примамлива, а скъпата колония е по-малко;
  • кораби = 60 + нападение / 2 + (желана сила − сила) / 2 (последният член е най-много 100), но само докато силата е под желаната. Желаната сила расте с хода: (20 + 3 × ход) × (140 + нападение) / 240.
def options(empire, p):
    # Всяко действие, което империята може да плати, получава оценка.
    result = []
    labs = 0
    for planet in empire.owned:
        if planet.lab:
            labs += 1
    for planet in empire.owned:
        if planet.mines < MAX_MINE and empire.metal >= mine_cost(planet):
            result.append(Option("mine", planet.name, p.build * planet.rich // (4 * (planet.mines + 1))))
        if not planet.lab and empire.metal >= LAB_COST:
            result.append(Option("lab", planet.name, p.research * 6 // 5 - 40 * labs))
    cost = colony_cost(empire)
    if empire.metal >= cost:
        for planet in empire.free:
            value = planet.rich + 6
            result.append(Option("colony", planet.name, p.expand * value * 50 // (cost * 6)))
    want = wanted_power(empire, p)
    for planet in empire.owned:
        if planet.yard and empire.power < want and ship_count(empire) > 0:
            urge = min(100, (want - empire.power) // 2)
            result.append(Option("ships", planet.name, 60 + p.attack // 2 + urge))
            break
    return result

Цялата функция е това. Тя не избира: само събира в списък всичко, което империята може да плати, с оценките му. Условието „може да плати“ е пред оценката: действие, което не се плаща, не влиза в списъка.

Option е @dataclass(frozen=True): три полета и нищо повече, а Planet и Empire са обикновени класове. Целочисленото деление е // и отрязва остатъка: всички числа са положителни, затова няма изненади с отрицателните.
По-точно, за любопитните

Формулите са нагласени, не изведени: коефициентите 4, 50, 6 и 60 са избрани така, че оценките на мина, колония и кораби да са сравними (стотици), а не да тежи едното хиляди пъти повече. Затова последният урок пуска стотици игри на изкуствен интелект срещу изкуствен интелект и мери дали някой характер не е нагласен.

В играта ресурсите са четири (метал, газ, кристал, уран), а богатството на планетата е четири числа. Тук има метал и едно богатство, за да се вижда всяко число.

Идеята

Най-голямото число печели: строго

След като списъкът е готов, изборът е прост цикъл. Строго по-голяма оценка сменя избраното. Затова при равни най-високи оценки печели първото по реда на разглеждане. Началната стойност е прагът: оценка, която не го надхвърля, не си струва. За икономиката той е 0 (действие с оценка 0 е „няма смисъл“), а за флота ще бъде 20 (по-добре да стои).

def best(candidates, floor):
    # Печели строго по-голямата оценка, затова при равни е първото.
    pick = None
    best_u = floor
    for option in candidates:
        if option.utility > best_u:
            pick = option
            best_u = option.utility
    return pick




def label(option):
    if option.kind == "mine":
        return "мина " + option.target
    if option.kind == "lab":
        return "лаборатория " + option.target
    if option.kind == "colony":
        return "колония " + option.target
    return "кораби " + option.target

Положението от по-горе, пуснато за трите характера (всеки получава нова империя със същите планети и пари). За всеки са изброени оценките в реда на списъка и в края изборът:

for p in PERSONALITIES:
    options_list = options(new_empire(), p)
    print(p.name)
    for option in options_list:
        print("  " + pad(label(option), 21) + pad_left(str(option.utility), 4))
    pick = best(options_list, 0)
    print("  → " + label(pick) + " (" + str(pick.utility) + ")")
Изход
Воин
  мина Kora I            90
  лаборатория Kora I     72
  мина Kora II           33
  лаборатория Kora II    72
  колония Vesta I       115
  колония Vesta II       89
  кораби Kora I         162
  → кораби Kora I (162)
Строител
  мина Kora I           140
  лаборатория Kora I     96
  мина Kora II           52
  лаборатория Kora II    96
  колония Vesta I       230
  колония Vesta II      179
  кораби Kora I          93
  → колония Vesta I (230)
Учен
  мина Kora I           100
  лаборатория Kora I    132
  мина Kora II           37
  лаборатория Kora II   132
  колония Vesta I       100
  колония Vesta II       78
  кораби Kora I          99
  → лаборатория Kora I (132)

Едно и също положение, три различни избора. Воинът избира корабите (162): желаната му сила е 45, а флотата е само 10. Строителят избира колонията на Веста I (230), защото разширяването му тежи 160. Ученият избира лабораторията на Кора I (132): лабораторията на Кора II има същата оценка и остава втора.

Идеята

Характерът е таблица с тегла

Какво се различава между трите империи в кода? Само четири числа. Ето ги от канона на играта, PERSONALITIES_DATA:

Характер разширяване строеж нападение наука мир
Воин 80 90 170 60 40
Строител 160 140 50 80 120
Учен 70 100 60 110 110

Колоната „мир“ е за дипломацията (урок 5). Останалите четири се умножават в оценките: разширяване в колониите, строеж в мините, нападение в корабите и в нападението на флота, наука в лабораториите. Воинът не е програмиран да напада: нападението му просто тежи 170, а при строителя 50. Нов характер е нов ред в таблицата, без нов код.

В играта съперниците се виждат в командата emp (характерът е втората колона):

  Империя             Характер    Пл  Сила Тех Точки  Към теб
A Земна империя       Строител     1   109   0    20
C Съюз Лира           Строител     1   109   0    20  мир
D Академия Вега       Учен         1   109   0    20  мир
B Хегемония Орион     Воин         1   109   0    20  мир

Виж го

Оценката в действие

Сцената минава през четири етапа. Първите три са една и съща империя в ход 5, оценена от воина, строителя и учения. Редовете са действията в реда на списъка, лентите са оценките, а оранжевата черта е „най-доброто досега“: тя се мести само при строго по-голямо число. В четвъртия етап строителят вече е платил за колонията и оценява наново.

def options(empire, p):
    # Всяко действие, което империята може да плати, получава оценка.
    result = []
    labs = 0
    for planet in empire.owned:
        if planet.lab:
            labs += 1
    for planet in empire.owned:
        if planet.mines < MAX_MINE and empire.metal >= mine_cost(planet):
            result.append(Option("mine", planet.name, p.build * planet.rich // (4 * (planet.mines + 1))))
        if not planet.lab and empire.metal >= LAB_COST:
            result.append(Option("lab", planet.name, p.research * 6 // 5 - 40 * labs))
    cost = colony_cost(empire)
    if empire.metal >= cost:
        for planet in empire.free:
            value = planet.rich + 6
            result.append(Option("colony", planet.name, p.expand * value * 50 // (cost * 6)))
    want = wanted_power(empire, p)
    for planet in empire.owned:
        if planet.yard and empire.power < want and ship_count(empire) > 0:
            urge = min(100, (want - empire.power) // 2)
            result.append(Option("ships", planet.name, 60 + p.attack // 2 + urge))
            break
    return result




def best(candidates, floor):
    # Печели строго по-голямата оценка, затова при равни е първото.
    pick = None
    best_u = floor
    for option in candidates:
        if option.utility > best_u:
            pick = option
            best_u = option.utility
    return pick
Стъпка по стъпка, с думи
  1. Ход 5: метал 100, сила 10. Империята оценява всяко действие, което може да плати. Първият е воинът с тегла 80/90/170/60: строеж 90, нападение 170.
  2. Воинът: мина на Кора I = строеж × богатство / (4 × (мини + 1)) = 90; на Кора II 33, защото там вече има една мина. Лабораторията е наука × 6 / 5 = 72, еднаква на двете планети.
  3. Колония на Веста I = разширяване × (богатство + 6) × 50 / (цена × 6) = 115 при цена 52. Корабите: желаната сила е 45, а има 10, затова 60 + нападение / 2 + (45 − 10) / 2 = 162.
  4. Най-голямата оценка е 162: воинът строи кораби. Чертата „най-доброто досега“ се премести три пъти (мината 90, колонията 115, корабите 162), всеки път при строго по-голяма оценка.
  5. Същият свят, други тегла. Строителят (160/140/50/80) цени строежа: мина на Кора I 140, лаборатория 96. Планетите, парите и формулите са същите.
  6. Колониите са 230 и 179: разширяването тежи 160. Корабите са само 93, защото желаната сила на строителя е 27 (нападението му е 50).
  7. Строителят избира колонията на Веста I (230). Воинът с точно същите числа избра кораби.
  8. Ученият (70/100/60/110) цени науката: лабораторията е 132 на двете планети, мината на Кора I 100.
  9. Колониите са 100 и 78, корабите 99: желаната сила е 29.
  10. Две лаборатории с една и съща оценка 132. Втората не е строго по-голяма, затова чертата остава на първата: печели лабораторията на Кора I.
  11. Строителят плати колонията: остават 48 метал. Следващата колония струва вече 64 (всяка планета я прави по-скъпа), не може да се плати и няма оценка: редът ѝ е празен. Оценява се наново.
  12. Мината на Кора I пак е 140, корабите 93. Сега 48 метал стигат за мина, лаборатория или кораби, но не за колония.
  13. Втора стъпка от същия ход: строителят строи мина на Кора I (140). Цикълът е: оцени всичко, направи най-доброто, плати и оцени наново.

Кодът до сцената е options и best от програмата. На всяка стъпка светят редовете, които работят в този момент.

Идеята

Плащаш и пак смяташ

Оценката важи за положението сега. Щом империята направи най-доброто, положението се променя: парите намаляват, цената на следващата колония расте, нова мина прави следващата по-малко ценна, нова колония отваря нови действия. Затова съперникът не взима списъка веднъж, а повтаря: оцени всичко, направи най-доброто, плати, оцени наново. Най-много 6 пъти на ход (в канона е същото) или докато няма какво да се прави.

def find(planets, name):
    for planet in planets:
        if planet.name == name:
            return planet
    return None




def apply(empire, option):
    if option.kind == "mine":
        planet = find(empire.owned, option.target)
        empire.metal -= mine_cost(planet)
        planet.mines += 1
    elif option.kind == "lab":
        empire.metal -= LAB_COST
        find(empire.owned, option.target).lab = True
    elif option.kind == "colony":
        planet = find(empire.free, option.target)
        empire.metal -= colony_cost(empire)
        empire.free.remove(planet)
        empire.owned.append(planet)
    else:
        count = ship_count(empire)
        empire.metal -= count * SHIP_COST
        empire.power += count * SHIP_POWER




def end_turn(empire):
    income = 4
    for planet in empire.owned:
        income += planet.rich * (2 + planet.mines) // 2
    empire.metal += income
    empire.turn += 1




def play_turn(empire, p, log):
    # Плащане, нова оценка, и така докато има какво да се прави (най-много 6 пъти).
    for step in range(1, 7):
        option = best(options(empire, p), 0)
        if option is None:
            if log:
                print("  няма какво повече: метал " + str(empire.metal))
            return
        before = empire.metal
        apply(empire, option)
        if log:
            print("  " + str(step) + ". " + label(option) + " (" + str(option.utility) + "): метал " + str(before) + " → " + str(empire.metal))




def summarize(p):
    empire = new_empire()
    for _ in range(6):
        play_turn(empire, p, False)
        end_turn(empire)
    mines = 0
    labs = 0
    for planet in empire.owned:
        mines += planet.mines
        if planet.lab:
            labs += 1
    print(p.name + ": планети " + str(len(empire.owned)) + ", мини " + str(mines) + ", лаб. " + str(labs)
          + ", сила " + str(empire.power) + ", метал " + str(empire.metal))

Ето един ход на строителя, действие по действие, и след това какво са постигнали трите характера за шест хода:

builder = PERSONALITIES[1]
empire = new_empire()
print(builder.name + ", ход " + str(empire.turn) + ":")
play_turn(empire, builder, True)
print()
print("След 6 хода:")
for p in PERSONALITIES:
    summarize(p)
Изход
Строител, ход 5:
  1. колония Vesta I (230): метал 100 → 48
  2. мина Kora I (140): метал 48 → 33
  3. мина Vesta I (105): метал 33 → 18
  4. кораби Kora I (93): метал 18 → 2
  няма какво повече: метал 2


След 6 хода:
Воин: планети 2, мини 4, лаб. 0, сила 75, метал 19
Строител: планети 3, мини 3, лаб. 1, сила 40, метал 38
Учен: планети 2, мини 4, лаб. 1, сила 45, метал 21

Първото действие е колонията (230), която взима 52 метал. После оценките са други: следващата колония вече не се плаща, а най-доброто е мината на Кора I (140). След 4 действия парите не стигат за нищо и ходът свършва. След шест хода разликите са реални, но не драматични: воинът има най-голяма сила (75) и няма лаборатория, строителят има най-много планети (3), ученият е с лаборатория и 4 мини. Теглата не изключват нищо: и строителят построява лаборатория, когато му е останало най-доброто.

Има и граница, която трябва да знаеш: изборът е алчен. Съперникът не мисли „ще спестя за колонията“, а взима най-доброто сега: строителят купува два малки кораба (оценка 93), вместо да чака.

Идеята

Флотата: заселвай или напади

Строежът е половината. Другата са флотите: накъде да отиде флотът? Същият похват, друг списък. Кандидатите са системите наоколо, а действията са два вида: заселване (в системата има свободни планети и няма враг) и нападение (има вражески планети и сме достатъчно силни). Преди оценката има филтри: нападение, при което съотношението на силите е под 130% или целта е по-далече от 6, изобщо не се разглежда.

FLEET_POWER = 40
STAY = 20
SPOTS = [
    Spot("Brisa", 1, 12, 0, 0),
    Spot("Altan", 5, 0, 12, 10),
    Spot("Cygra", 3, 0, 18, 60),
]




def target_options(power, p):
    result = []
    for spot in SPOTS:
        steps = spot.distance + 1
        if spot.free_value > 0 and spot.enemy_power == 0 and spot.distance <= 5:
            result.append(Option("settle", spot.name, p.expand * spot.free_value // (6 * steps)))
        ratio = power * 100 * 100 // (spot.enemy_power * 100 + 100)
        if spot.enemy_value > 0 and ratio >= 130 and spot.distance <= 6:
            sure = min(ratio, 300)
            result.append(Option("attack", spot.name, p.attack * spot.enemy_value * sure // (4 * steps * 150)))
    return result

Флотата има сила 40. Системата Brisa е свободна и близо (разстояние 1), Altan е вражеска и далече (5, но врагът е слаб), а Cygra е вражеска със сила 60. Съотношението на силите срещу Altan е 363%, но в оценката се вдига най-много до 300%. Срещу Cygra е 65%, под 130%: нападение там не се оценява. Този път прагът е STAY, 20: ако нищо не го надхвърли, флотът стои.

for p in PERSONALITIES:
    options_list = target_options(FLEET_POWER, p)
    print(p.name)
    for option in options_list:
        print("  " + pad(label(option), 18) + pad_left(str(option.utility), 4))
    pick = best(options_list, STAY)
    print("  → " + ("стои" if pick is None else label(pick) + " (" + str(pick.utility) + ")"))
Изход
Воин
  заселва Brisa       80
  напада Altan       170
  → напада Altan (170)
Строител
  заселва Brisa      160
  напада Altan        50
  → заселва Brisa (160)
Учен
  заселва Brisa       70
  напада Altan        60
  → заселва Brisa (70)

Воинът напада Altan (170), въпреки разстоянието. Строителят заселва Brisa (160). Ученият също заселва Brisa, и то на косъм: 70 срещу 60. Формулите са същите, различни са само теглата.

Идеята

В играта

Това, което построихме, е същото като в канона на Epic Cosmos, само по-малко. Ето истинската оценка на икономиката. В нея се познават мината, лабораторията, колонията и корабите от нашата програма. Освен тях има още две действия: завод за кораби (yard, оценка 250 за първия, защото без него няма флот) и крепост (fort, само когато наблизо има вражеска сила). Изборът е същата идея, но с consider(оценка, действие) вместо списък:

# Едно действие в икономиката: най-доброто по полезност, или None.
def ai_best_action(world, empire):
    p = empire.personality
    best = None
    best_u = 0


    def consider(u, action):
        nonlocal best, best_u
        if u > best_u:
            best_u = u
            best = action


    mine = owned_planets(world, empire.id)
    labs = 0
    yards = 0
    for planet in mine:
        labs += planet.lab
        yards += planet.yard
    mods = tech_mods(empire)
    for planet in mine:
        if planet.mines < MAX_MINE and can_pay(empire, build_cost('mine', planet)):
            consider((p.build * rich_sum(planet)) // (4 * (planet.mines + 1)), SimpleNamespace(kind='mine', planet_id=planet.id))
        if planet.lab == 0 and can_pay(empire, build_cost('lab', planet)):
            consider((p.research * 6) // 5 - 40 * labs, SimpleNamespace(kind='lab', planet_id=planet.id))
        if planet.yard == 0 and can_pay(empire, build_cost('yard', planet)):
            consider(250 if yards == 0 else (60 if len(mine) >= 5 and yards < 2 else 0), SimpleNamespace(kind='yard', planet_id=planet.id))
        if mods['fort'] > 0 and planet.fort < MAX_FORT and can_pay(empire, build_cost('fort', planet)):
            threat = enemy_power_at(world, empire, planet.system_id)
            for nxt in world.systems[planet.system_id].links:
                threat += enemy_power_at(world, empire, nxt)
            if threat > 0:
                consider(40 + min_of(160, threat) + (30 if planet.id == empire.capital else 0), SimpleNamespace(kind='fort', planet_id=planet.id))
    cost = colony_cost(world, empire)
    if can_pay(empire, cost):
        for planet in world.planets:
            if planet.owner >= 0 or not has_presence(world, empire.id, planet.system_id) or hostile_in(world, empire.id, planet.system_id):
                continue
            consider((p.expand * (rich_sum(planet) + 6) * 50) // (cost[0] * 6), SimpleNamespace(kind='col', planet_id=planet.id))
    # Кораби: докато силата е под желаната за този ход.
    want = ((20 + 3 * world.turn) * (140 + p.attack)) // 240
    for other in world.empires:
        if other.alive and other.id != empire.id and empire.war[other.id] == 1:
            want = (want * 3) // 2
    have = empire_power(world, empire.id) + queued_power(world, empire.id)
    if have < want:
        for planet in mine:
            if planet.yard == 0:
                continue
            kind = counter_kind(world, empire)
            if ship_allowed(empire, 3) and can_pay(empire, SHIPS[3].cost) and have >= 30:
                kind = 3
            count = 4
            while count > 0 and not can_pay(empire, scale_cost(SHIPS[kind].cost, count)):
                count -= 1
            if count > 0:
                consider(60 + p.attack // 2 + min_of(100, (want - have) // 2), SimpleNamespace(kind='ship', planet_id=planet.id, ship_kind=kind, count=count))
            break
    return best

А ето цикълът „оцени, направи, повтори“ (aiEconomy) и целият ход на един съперник (aiPlay): наука, икономика, флоти. Науката е същият похват в малък: aiResearch оценява всяка достъпна технология с наука × (100 + бонус на характера) × 10 / (цена + 5) и взима най-голямата (дървото на технологиите е в урок 2).

def ai_economy(world, empire):
    for step in range(6):
        action = ai_best_action(world, empire)
        if action is None:
            return
        planet = world.planets[action.planet_id]
        error = None
        if action.kind == 'col':
            error = colonize(world, empire, planet)
        elif action.kind == 'ship':
            error = queue_ships(world, empire, planet, action.ship_kind, action.count)
        else:
            error = build_structure(world, empire, action.kind, planet)
        if error is not None:
            return


def ai_play(world, empire):
    # Изкуственият интелект планира наново всеки ход.
    empire.orders = []
    ai_research(world, empire)
    ai_economy(world, empire)
    ai_fleets(world, empire)

Разликите от нашата програма са малко:

  • Четири ресурса вместо един. canPay сравнява четири числа, а богатството на планетата е четири числа (richSum ги събира и тежи урана и кристала двойно).
  • Едни и същи функции с играча. Съперникът вика colonize, queueShips и buildStructure, които вика и играчът с командите col, ship и b. Плаща по същите цени и по същите правила.
  • Войната променя желаната сила. За всяка империя, с която сме във война, желаната сила се умножава по 3/2, а видът на корабите се избира по врага (counterKind: прехващач бие бомбардировач, бомбардировач бие фрегата, фрегата бие прехващач; ролите са от урок 3).
  • Защитата е в оценките. Крепост се строи, ако наблизо има враг, а флотът се връща да брани собствена система (ownHere).
  • Няма случайност. Нито едно зарче в тези решения: един и същ вход дава един и същ ход на Java, C#, Python и JavaScript.

А ето и избора на цел на флота:

def ai_fleets(world, empire):
    p = empire.personality
    snapshot = []
    for fleet in world.fleets:
        if fleet.owner == empire.id:
            snapshot.append(fleet)
    for fleet in snapshot:
        busy = ordered_ships(empire, fleet.system_id)
        free = [0, 0, 0, 0]
        for k in range(SHIP_KIND_COUNT):
            free[k] = fleet.ships[k] - busy[k]
        my_power = counts_power(free)
        if my_power == 0:
            continue
        here = fleet.system_id
        dist = bfs(world.systems, here).dist
        # Задържане: ако сме у дома под заплаха или обсаждаме враг.
        best_u = 20
        target = -1
        split = False
        siege = False
        for system in world.systems:
            foe = enemy_power_at(world, empire, system.id)
            free_value = 0
            enemy_value = 0
            own_here = False
            for pid in system.planets:
                planet = world.planets[pid]
                if planet.owner < 0:
                    free_value += rich_sum(planet) + 6
                elif planet.owner == empire.id:
                    own_here = True
                elif empire.war[planet.owner] == 1:
                    enemy_value += rich_sum(planet) + 10
            d = dist[system.id]
            if d < 0:
                continue
            ratio = percent(my_power * 100, foe * 100 + 100)
            if system.id == here:
                if enemy_value > 0 and ratio >= 80:
                    best_u = 250
                    siege = True
                elif own_here and foe > 0 and ratio >= 60:
                    best_u = 200
                    siege = True
                continue
            if free_value > 0 and foe == 0 and d <= 5:
                u = (p.expand * free_value) // (6 * (d + 1))
                if u > best_u:
                    best_u = u
                    target = system.id
                    split = total_of(free) >= 6
                    siege = False
            if enemy_value > 0 and ratio >= 130 and d <= 6:
                u = (p.attack * enemy_value * min_of(ratio, 300)) // (4 * (d + 1) * 150)
                if u > best_u:
                    best_u = u
                    target = system.id
                    split = False
                    siege = False
            if own_here and foe > 0 and d <= 4 and ratio >= 60:
                u = 150 - 10 * d
                if u > best_u:
                    best_u = u
                    target = system.id
                    split = False
                    siege = False
        if target < 0 or siege:
            continue
        step = next_step(world.systems, here, target)
        if step < 0:
            continue
        order_move(world, empire, here, target, half_of(free) if split else None)

Прилича на нашата програма: същите две формули (заселване и нападение), филтърът 130%, прагът 20. Допълнително има „задържане“ (в система с врагове при добро съотношение флотът остава и обсажда: 250), защита на собствена система (150 − 10 × разстояние) и разделяне на флота на две, когато е голям.

Пробвай

Предвиди изхода

Четири действия, две от тях с най-високата оценка 132. Какво печата програмата? (Функциите best и label са от урока.)

options_list = [
    Option("mine", "Kora I", 90),
    Option("lab", "Kora I", 132),
    Option("lab", "Kora II", 132),
    Option("colony", "Vesta I", 100),
]
pick = best(options_list, 0)
print(label(pick) + " (" + str(pick.utility) + ")")
Отговор

Пробвай

Попълни празнината

Началната стойност на най-доброто е параметърът на функцията: за икономиката е 0, за флота е 20. С какво започва bestU?

def best(candidates, floor):
    # Печели строго по-голямата оценка, затова при равни е първото.
    pick = None
    best_u = 
    for option in candidates:
        if option.utility > best_u:
            pick = option
            best_u = option.utility
    return pick

Пробвай

Намери грешката

Колега смята колониите без скоби и сега всяка империя, дори воинът, само колонизира. Ето оценките на строителя:

for p in PERSONALITIES:
    options_list = options(new_empire(), p)
    print(p.name)
    for option in options_list:
        print("  " + pad(label(option), 21) + pad_left(str(option.utility), 4))
    pick = best(options_list, 0)
    print("  → " + label(pick) + " (" + str(pick.utility) + ")")
Изход
Воин
  мина Kora I            90
  лаборатория Kora I     72
  мина Kora II           33
  лаборатория Kora II    72
  колония Vesta I      4152
  колония Vesta II     3228
  кораби Kora I         162
  → колония Vesta I (4152)
Строител
  мина Kora I           140
  лаборатория Kora I     96
  мина Kora II           52
  лаборатория Kora II    96
  колония Vesta I      8304
  колония Vesta II     6456
  кораби Kora I          93
  → колония Vesta I (8304)
Учен
  мина Kora I           100
  лаборатория Kora I    132
  мина Kora II           37
  лаборатория Kora II   132
  колония Vesta I      3630
  колония Vesta II     2826
  кораби Kora I          99
  → колония Vesta I (3630)

Колонията на Веста I е 8304 вместо 230. Кой ред смята грешно?

Избери реда с грешката.

По-точно

По-точно: какво не прави оценката

Не е вероятност и няма единица. 162 не значи „162 точки полза“. Числото има смисъл само за сравнение вътре в един списък на един съперник. Затова формулите са нагласени (4, 50, 6, 60), а не изведени. Теглата на характера са цели числа „в проценти“, както пише в таблицата на канона, за да няма дробни.

Алчен е. Съперникът гледа само следващото действие и не планира: не пести за колония и не знае, че след три хода ще е по-слаб. Това е цената на простотата. По-сериозните системи гледат напред: планиране на цели (GOAP), дърво на търсене или Monte Carlo (MCTS, както в Го). Но в стратегия по ходове алчният избор с добри формули обикновено е достатъчно умен, за да е забавен. В боя на Арканум е същият похват: Врагове, които мислят.

Оценките се настройват, не се пишат. Откъде са числата 80, 90, 170? Първо предположение, после баланс със симулация: игри на изкуствен интелект срещу изкуствен интелект, които броят кой характер колко печели. Този инструмент е в последния урок.

Съперникът не мами, напротив. Плаща по същите цени и вика същите функции като теб, но в играта с човек произвежда само 80% от нормалното (RIVAL_PACE, лесното ниво); в симулацията е 100%. Редът е в empireIncome и е казан на открито.

Равните оценки не се оставят на късмета. Строгото > и фиксираният ред на генериране правят избора еднакъв на четирите езика и при всяко повторение: мина, лаборатория, завод, крепост (за всяка планета), после колониите, накрая корабите. Затова редът е част от правилата, не подробност.

Упражнение

Крепостта

Реши задачата в редактора си. Тръгни от програмата за трите характера.

Крепост. Добави ново действие fort: орбитална крепост на планета. Тя струва 25 метал (FORT_COST) и се оценява според опасността: 40 + min(160, опасност) + 30, ако планетата е столицата (първата в списъка), иначе без +30. Опасността е нова стойност threat на империята и е 120 в тази задача. Действието е допустимо само ако опасността е положителна и има 25 метал. Редът в списъка е: за всяка планета мина, лаборатория, крепост.

Очакваният изход (добави и fort в label):

Изход
Воин
  мина Kora I            90
  лаборатория Kora I     72
  крепост Kora I        190
  мина Kora II           33
  лаборатория Kora II    72
  крепост Kora II       160
  колония Vesta I       115
  колония Vesta II       89
  кораби Kora I         162
  → крепост Kora I (190)
Строител
  мина Kora I           140
  лаборатория Kora I     96
  крепост Kora I        190
  мина Kora II           52
  лаборатория Kora II    96
  крепост Kora II       160
  колония Vesta I       230
  колония Vesta II      179
  кораби Kora I          93
  → колония Vesta I (230)
Учен
  мина Kora I           100
  лаборатория Kora I    132
  крепост Kora I        190
  мина Kora II           37
  лаборатория Kora II   132
  крепост Kora II       160
  колония Vesta I       100
  колония Vesta II       78
  кораби Kora I          99
  → крепост Kora I (190)

Какво се променя в изборите? При опасност 120 крепостта на столицата е 190, и тя побеждава корабите на воина и лабораторията на учения. Строителят пак колонизира: 230 е повече от 190. Опасността не е характер: крепостта има еднаква оценка за всички, затова не е в таблицата на теглата.

Още задачи

  • Свободна работа за крепост. Добави в apply изграждането на крепост и пусни цял ход на воина с опасност 120: колко действия прави, преди да му свършат парите?
  • Нов характер. Добави четвърти ред (trader: разширяване 120, строеж 120, нападение 60, наука 70). Какво избира в началното положение? Промени ли се нещо в кода, освен таблицата?
  • Таван. Нападението във флота ползва min(съотношение, 300). Какво става без тавана, ако врагът е със сила 0 (съотношението е 4000)? Как се променя изборът на воина и строителя?

Тест

Провери се

1. Воинът и строителят оценяват един и същ свят: същите планети, същите пари, същите формули. Воинът избира кораби, строителят колония. Откъде е разликата?
2. Ученият има две лаборатории с оценка 132, и това е най-високата оценка. Коя ще бъде построена?
3. След колонията строителят има 48 метал и в списъка няма никаква колония, макар че Веста II още е свободна. Защо?
4. Колега пише „разширяване × стойност × 50 / цена × 6“ вместо „… / (цена × 6)“. Каква е оценката на колонията на Веста I за строителя?
5. Флотата има сила 40. В системата Cygra врагът е със сила 60 и никой характер не я напада, дори воинът. Защо?

Създаден от Иво Гергов като част от кампанията на Evo Tech за достъпно обучение по програмиране ·