Finishing raport

gaTraveling.md

@@ -4,11 +4,12 @@
 ## Cel algorytmu
 Celem tego algorytmu jest wyznaczenie optymalnej trasy w zbieraniu ziół o konkretnych pozycjach, które
 są generowane losowo. Algorytm decyduje po które zioło udać się najpierw, starając się, aby końcowa suma odległości
-pomiędzy odwiedzonymi pozycjami była jak najmniejsza.
+pomiędzy odwiedzonymi pozycjami była jak najmniejsza. Gdy agent zbierze wszystkie zioła i dojdzie do ogniska, aby
+odpocząć, utworzy również eliksir, który odnowi mu wszystkie statystyki pierwotnego (pełnego) stanu.
 
 ## Osobnik Traveling
 Osobnik jest to jednostka polegająca ewolucji za pomocą operacji genetycznych. 
-W mojej implementacji osobnika reprezentuje obiekt [Traveling.py](). Ten obiekt przechowuje następujące metody:
+W mojej implementacji osobnika reprezentuje obiekt [Traveling.py](https://git.wmi.amu.edu.pl/s444409/DSZI_Survival/src/wirus_dev/src/AI/GaTravelingForHerbs/Traveling.py). Ten obiekt przechowuje następujące metody:
 
 ```python
 class Traveling:
@@ -67,7 +68,7 @@ def __repr__(self):
 * Obiekt ten zwracany jest w formie tekstowej listy koordynatów.
 
 ## Obiekt GeneticAlgorithm
-W pliku [GeneticAlgorithm.py]() znajduje się model selekcji osobników, warunek stopu, oraz główna pętla
+W pliku [GeneticAlgorithm.py](https://git.wmi.amu.edu.pl/s444409/DSZI_Survival/src/wirus_dev/src/AI/GaTravelingForHerbs/GeneticAlgorithm.py) znajduje się model selekcji osobników, warunek stopu, oraz główna pętla
 algorytmu.
 
 ```python
@@ -129,3 +130,87 @@ a następnie obliczamy długość populacji i deklarujemy iterator pętli, któr
     ewentualną mutację (metodą **mutation**).
     * Wybieramy najlepszego osobnika z populacji po minimalnej odległości, oraz wyświetlamy wynik.
     * Przeprowadzamy w ten sposób kolejną generację dopóki nie będzie ich 64.
+    
+```python
+def listOfTravel(self):
+    strTravel = self.run()
+    import ast
+    return ast.literal_eval(strTravel)
+```
+
+* Ta metoda, odpowiada za uruchomienie algorytmu oraz zwrócenie najlepszego wyniku w postaci listy koordynatów
+(nie jako string).
+
+## Inicjalizacja pierwszej populacji i uruchomienie algorytmu
+
+Uruchamiając projekt za pomocą [Run.py](https://git.wmi.amu.edu.pl/s444409/DSZI_Survival/src/wirus_dev/Run.py) z użyciem parametru **ga_travel**, projekt uruchomi się tak jak w przypadku
+testowej wersji z dodatkiem kodu (znajduje się on w [Game.py](https://git.wmi.amu.edu.pl/s444409/DSZI_Survival/src/wirus_dev/src/game/Game.py)) zaprezentowanego poniżej;
+
+```python
+    # Generate random travel list
+    self.travelCoords = random.sample(self.map.movableList(), 10)
+    import ast
+    self.travelCoords = ast.literal_eval(str(self.travelCoords))
+
+    # Insert herbs on random travel coordinates
+    self.map.insertHerbs(self.travelCoords)
+
+    # Initialize genetic algorithm
+    firstGeneration = [Traveling(START_COORD + sample(self.travelCoords, len(self.travelCoords)) + END_COORD) for _
+                       in range(100)]
+    mutationProbability = float(0.1)
+    ga = GeneticAlgorithm(firstGeneration, mutationProbability)
+    self.movementList = ga.listOfTravel()
+
+    # Define list of entities which player should pass to collect herbs
+    self.entityToVisitList = []
+    for i in self.movementList:
+        self.entityToVisitList.append(self.map.getEntityOnCoord(i))
+
+    # Remove first element, because start coordinates is None
+    self.entityToVisitList.remove(self.entityToVisitList[0])
+
+    self.screen.ui.console.printToConsole("First generation: " + str(firstGeneration[0]))
+    self.screen.ui.console.printToConsole("The best generation: " + str(self.entityToVisitList))
+
+    self.mainLoop()
+```
+
+* Generujemy losową listę 10 koordynatów na mapie wolnych od entity za pomocą metody **map.movableList()** i konwertujemy
+ją na normalną listę (nie *string*). 
+* Umieszczamy entity ziół w miejscach wygenerowanych koordynatów.
+* Tworzymy pierwszą generację w postaci 100-elementowej listy, za pomocą konstruktora obiektu **Traveling** o koordynatach ziół plus startowa pozycja gracza
+i pozycja ogniska, gdzie agent będzie w stanie sporządzić miksturę odnawiającą jego statystyki.
+* Deklarujemy algorytm genetyczny przekazując pierwszą generację oraz prawdopodobieństwo mutacji wynoszące 10%
+* Tworzymy listę kordynatów na których będziemy się poruszać, gdzie jej wartość co zwrócona lista przez
+metodę **ga.listOfTravel()**
+* Aby udać się po odpowiednie cele, tworzymy listę entity, które musimy zebrać, wykorzystując przy tym
+wcześniej stworzoną listę **movementList** oraz metodę **map.getEntityOnCoord**.
+* Usuwamy z listy **entityToVisitList** pierwszy element, gdyż jest to startowa pozycja gracza, na której nie
+ma żadnego entity.
+
+## Poruszanie się
+*Zdefiniowane jest w pliku/klasie [EventManager.py](https://git.wmi.amu.edu.pl/s444409/DSZI_Survival/src/wirus_dev/src/game/EventManager.py).*
+
+```python
+    if keys[pygame.K_t]:  # Handle traveling movement to collect herbs
+        if self.player.movementTarget is None and self.iterator <= 10:
+            target = self.game.entityToVisitList[self.iterator]
+            self.player.gotoToTarget(target, self.game.map)
+            self.iterator += 1
+
+    if self.player.herbs > self.takenHerbs:  # Console log when player collect herb
+        self.game.screen.ui.console.printToConsole("Ziele zebrane! Ilość: " + str(self.player.herbs))
+        self.takenHerbs = self.player.herbs
+
+    if self.player.readyToCrafting:  # Console log and reset statistics because of collect all herbs
+        self.game.screen.ui.console.printToConsole("Eliksir został utworzony i spożyty!")
+        self.player.statistics.set_hp(100)
+        self.player.statistics.set_stamina(100)
+        self.player.statistics.set_thirst(-100)
+        self.player.statistics.set_hunger(-100)
+        self.player.readyToCrafting = False
+```
+Po kliknięciu przycisku **t** agent uda się po kolejne ziele do zebranie w
+kolejce za pomocą algorytmu **A***. Obok jest również zaimplementowane wypisywanie ilości zebranych ziół,
+oraz odnawianie statystyk po spożyciu eliksiru.