AI-2020/decisiontree.md

Podprojekt

Podprojekt polegający na użyciu metody drzew decyzyjnych aby otrzymać optymalne ustawienia agenta na podstawie danych z losowo generowanych sytuacji.

Implementacja

Agent po obsłużeniu wszystkich klientów zapisuje jakie ustawienia używał oraz czy całkowity czas działania jest większy od pożądanego.

if restaurant.left ==  0:
    file.write(str(S_IDLE.index(IDLE)))
    file.write(str(S_FIRST.index(FIRST)))
    if totaltime >  1076:
    file.write(str(0))
    else:
    file.write(str(1))

Pożądany czas działania w obecnym zestawie wielkości planszy i ilości klientów ustawiłem na 1076j na podstawie średniego czasu wszystkich ustawień. Agent czasami błędnie wykonuje zadania więc po upływie 1500j plansza jest resetowana.

if ticks >  1500:
	restaurant = Restaurant(3,  5)
	waiter = Agent(2,2)
	..

Ustawienia agenta to decyzja gdzie stać gdy nie ma zadania (kuchnia, środek planszy, stać w miejscu) oraz czy najpierw obsłużyć klientów chcących zamówić czy klientów czekających na gotowe zamówienie.

S_IDLE =  ("kitchen",  "middle",  "inplace")
S_FIRST =  ("order",  "food")

Dane

Po uruchomieniu programu tworzony jest plik results.csv zawierający sformatowane dane wynikowe.

idle,first,good
0,1,0
0,0,1
2,0,1
..

Drzewo decyzyjne

Do utworzenia drzewa decyzyjnego użyłem biblioteki sklearn oraz graphviz do zobrazowania wyniku.

#decisiontree.py
col_names =  ['idle','first','good']
data = pd.read_csv("results.csv", header=None, names=col_names)
data = data.iloc[1:]
data.head()
feature_cols =  ['idle','first']
X = data[feature_cols]
y = data.good

Plik results.csv jest ładowany, jako klasę główną ustawiłem .good, czyli czy czas wykonania zadania był zadowalający.

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=1)
clf = DecisionTreeClassifier(criterion="gini", max_depth=4)
clf = clf.fit(X_train,y_train)

Dane są dzielone na 25% do testowania a następnie tworzone i trenowane jest drzewo o głębokości 4. Na końcu drzewo jest wizualizowane za pomocą grafu. Z grafu można odczytać że na podstawie 909 wyników dla obecnych ustawień planszy i agenta najlepszymi ustawieniami są idle == 2 i w równej mierze first == 0 i first == 1, czyli ustawienia

IDLE = "inplace"
FIRST = "order"   
---
IDLE = "inplace"
FIRST = "food"