49 lines
3.2 KiB
Python
49 lines
3.2 KiB
Python
import astar
|
|
import cart
|
|
import definitions
|
|
import graph
|
|
import map
|
|
import neuralnetwork
|
|
import plant
|
|
import pygame
|
|
import station
|
|
import treelearn
|
|
pygame.display.set_caption("Smart Cart")
|
|
def main():
|
|
#tworzenie podstawowych obiektów
|
|
map1 = map.Map([])
|
|
map1.create_base_map()
|
|
move_list = []
|
|
amount_of_seeds_dict = {"beetroot": definitions.CART_AMOUNT_OF_SEEDS_EACH_TYPE, "carrot": definitions.CART_AMOUNT_OF_SEEDS_EACH_TYPE, "potato": definitions.CART_AMOUNT_OF_SEEDS_EACH_TYPE, "wheat": definitions.CART_AMOUNT_OF_SEEDS_EACH_TYPE}
|
|
collected_plants_dict = {"beetroot": 0, "carrot": 0, "potato": 0, "wheat": 0}
|
|
fertilizer_dict = {"beetroot": definitions.CART_FERTILIZER, "carrot": definitions.CART_FERTILIZER, "potato": definitions.CART_FERTILIZER, "wheat": definitions.CART_FERTILIZER}
|
|
station1 = station.Station(collected_plants_dict)
|
|
cart1 = cart.Cart(amount_of_seeds_dict, collected_plants_dict, definitions.CART_DIRECTION_NORTH, fertilizer_dict, definitions.CART_FUEL, definitions.CART_WATER_LEVEL, 0, 0)
|
|
cart1_rect = pygame.Rect(cart1.get_x(), cart1.get_y(), definitions.BLOCK_SIZE, definitions.BLOCK_SIZE)
|
|
clock = pygame.time.Clock()
|
|
tree = treelearn.treelearn() #tworzenie drzewa decyzyjnego
|
|
decision = [0] #początkowa decyzja o braku powrotu do stacji (0)
|
|
#neuralnetwork.create_neural_network()
|
|
run = True
|
|
while run: #pętla główna programu
|
|
clock.tick(definitions.FPS)
|
|
for event in pygame.event.get():
|
|
if event.type == pygame.QUIT:
|
|
run = False
|
|
map1.draw_window(cart1, cart1_rect)
|
|
if not move_list and plant.Plant.if_any_mature_plant(map1) is True: #jeżeli są jakieś ruchy do wykonania w move_list oraz istnieje jakaś dojrzała roślina
|
|
istate = graph.Istate(cart1.get_direction(), cart1.get_x() / definitions.BLOCK_SIZE, cart1.get_y() / definitions.BLOCK_SIZE) #stan początkowy wózka (jego orientacja oraz jego aktualne współrzędne)
|
|
if decision == [0]: #jeżeli decyzja jest 0 (brak powrotu do stacji) to uprawiaj pole
|
|
move_list = (astar.graphsearch([], [], istate, graph.succ, plant.Plant.get_mature_plant(map1, istate), astar.f, map1)) #lista z ruchami, które należy po kolei wykonać, astar
|
|
else: #jeżeli decyzja jest 1 (powrót do stacji) to wróć do stacji uzupełnić zapasy
|
|
move_list = (graph.graphsearch([], [], istate, graph.succ, (0, 0))) #lista z ruchami, które należy po kolei wykonać, graphsearch
|
|
elif move_list: #jeżeli move_list nie jest pusta
|
|
cart1.handle_movement(move_list.pop(0), cart1_rect) #wykonaj kolejny ruch oraz zdejmij ten ruch z początku listy
|
|
else:
|
|
cart1.handle_movement_random(cart1_rect) #wykonuj losowe ruchy
|
|
cart1.do_work(map1, station1, cart1_rect) #wykonaj pracę na danym polu
|
|
decision = treelearn.make_decision(tree, cart1.get_all_amount_of_seeds(), cart1.get_all_collected_plants(), cart1.get_all_fertilizer(), cart1.get_fuel(), cart1.get_water_level()) #podejmij decyzję czy wracać do stacji (0 : NIE, 1 : TAK)
|
|
plant.Plant.grow_plants(map1) #zwiększ poziom dojrzałości roślin
|
|
pygame.quit()
|
|
if __name__ == "__main__":
|
|
main() |