Replaced missing file #2

Merged
s434786 merged 1 commits from raports into master 2019-03-27 00:12:03 +01:00
2 changed files with 139 additions and 0 deletions
Showing only changes of commit fd77412a68 - Show all commits

139
raports/SI_Raport_1 Normal file
View File

@ -0,0 +1,139 @@
# Sztuczna inteligencja 2019 - Raport 1
**Czas trwania opisywanych prac:** 06.03.2018 - 26.03.2018
**Członkowie zespołu:** Anna Nowak, Magdalena Wilczyńska, Konrad Pierzyński, Michał Starski
**Wybrany temat:** Inteligentna śmieciarka
**Link do repozytorium projektu:** https://git.wmi.amu.edu.pl/s440556/SZI2019SmieciarzWmi
## Środowisko agenta i reprezentacja wiedzy
Pracę zaczeliśmy od spisania wszystkiego co będzie nam potrzebne do napisanie działającego środowiska. Notatki
można obejrzeć pod [tym linkiem](https://git.wmi.amu.edu.pl/s440556/SZI2019SmieciarzWmi/src/master/README.md). Pod uwagę wzieliśmy następujące czynniki:
* Jak dana technologia radzi sobie z graficznym przedstawieniem informacji (render mapy i rozmieszczenie na niej obiektów, zmiana stanów obiektów w zależności od sytuacji ...)
* Poziom skomplikowania operacji na strukturach danych
* Podejście języka do paradygmatu obiektowego
* Trudność w implementacji mechanizmów sztucznej inteligencji
* Preferencje programistyczne grupy
Po naradzie i sugestiach od strony prowadzącego zdecydowaliśmy, że do projektu najlepiej będzie pasował język **python** z uwagi na jego uniwersalność i łatwość przetwarzania danych.
### Plansza po której porusza się agent
**Założenia**
1. Plansza jest generowana losowo przy każdym uruchomieniu skryptu
2. Każda plansza zawiera *n* domów i 3 wysypiska śmieci
3. Każdy domek klatkę generuje jeden z 3 rodzajów śmieci z prawdopodobieństwem P (domyślnie 1/25)
4. Agent chodzi po domkach zbiera śmieci i wyrzuca je na odpowiednie wysypisko
5. Agent ma pojemność 10 na każdy rodzaj śmiecia
6. Dom może wygenerować maksymalnie 10 śmieci
7. Plansza jest dyskretna
**Detale implementacyjne**
Środowisko powstało przy użyciu biblioteki **pygame**, która udostępnia nam narzędzia do wygodnego zbudowania schludnie wyglądającej symulacji. Plansza ma postać dwuwymiarowiej płaszczyzny kartezjańskiej podzielonej na komórki (Cells). Na komórkach umieszczane są po kolei obiekty, tak, aby nie doszło do sytuacji, w której agent nie ma możliwości ruchu. Środowisko jest generowane dynamicznie w zależności od parametru **home-count**, który podajemy przy starcie skryptu. Dzięki temu możemy testować agenta w możliwie różnych sytuacjach. Opis elementów środowiska został przedstawiony przy użyciu paradygmatu obiektowego, dzięki temu kod jest czytelniejszy i wydzielony.
Na ten moment na planszy pojawiają się instancje klas:
*Grass* - klasa reprezentująca komórkę po której agent może swobodnie się poruszać, wypełnia większość mapy
*House* - klasa reprezentująca dom, agent wchodzi z nią w interakcję, zabiera wygenerowane śmieci
*Landfill* - klasa reprezentująca wysypisko, agent wchodzi z nią w interakcję, oddaje zebrane śmieci
*Garbage_collector* - klasa reprezentująca agenta - porusza się po mapie i wchodzi w interakcję z innymi obiektami
*HUD* - klasa reprezentująca HUD aplikacji (jeszcze niezaimplementowany)
**Struktura plików projektu**
--enums     => Klasy dziedziczące po klasie *Enum*, ułatwiające parsowanie informacji
--fonts     => Czcionki
--images    => Obrazy i ikony używane w aplikacji
--raports    => Raporty
--sprites     => Klasy reprezentujące obiekty na mapie
    .gitignore
    config.py    => Plik przechowujący funkcję zarządzające konfiguracją aplikacji    
    game.py    => Plik rozruchowy programu
    utils.py    => Funkcje pomocnicze
    README.md     => Informacje o aplikacji
    requirements.txt    => Przechowuje informacje na temat używanych bibliotek
    to_do.txt    => Lista przyszłych zadań do zrobienia
### Reprezentacja Wiedzy
Przyjeliśmy na potrzeby projektu, że agent będzie wiedział co się dzieje na całym obszarze środowiska. W tym momencie wszystko co wie agent wyświetlane jest w oknie terminala, w czasie rzeczywistym, podczas trwania programu. Do informacji posiadanych przez agenta należą:
* Ile zebrano śmieci od startu programu
* Stopień zapełnienia śmieciarki
* Ile śmieci zostało na mapie
Podczas dalszego rozwoju powyższe informacje będą przedstawiane na ekranie aplikacji.
### Uruchamianie aplikacji
**Linux**
Uruchomienie standardowe (z 5 domami)
```bash
make init #stworzenie wirtualnego środowiska
make install #zainstalowanie zależności
make start #uruchomienie z domyślnym parametrem home-count=5
```
Uruchomienie niestandardowe
```bash
env/bin/python3 ./game.py home-count=amount #Liczba domów nie może być mniejsza niż 3
```
**Windows**
```powershell
py -m virtualenv env # Stworzenie wirtualnego środowiska
env\Scripts\pip.exe install -r requirements.txt
env\Scripts\python.exe ./game.py --home-count=amount
```

View File