source: java/ecj/games/scenarios/SelfPlayTDLScenario.java @ 339

Last change on this file since 339 was 193, checked in by Maciej Komosinski, 11 years ago

Set svn:eol-style native for all textual files

  • Property svn:eol-style set to native
File size: 2.2 KB
RevLine 
[44]1package games.scenarios;
2
3import ec.util.MersenneTwisterFast;
4import games.Board;
5import games.BoardGame;
6import games.GameMove;
7import games.Player;
8
9import java.util.List;
10
11import cecj.app.othello.OthelloBoard;
12
13
14public class SelfPlayTDLScenario implements GameScenario {
15
16        private double prob;
17        private Player player;
18        private double learningRate;
19        private MersenneTwisterFast random;
20
21        public SelfPlayTDLScenario(MersenneTwisterFast random, Player player, double prob,
22                        double learningRate) {
23                this.prob = prob;
24                this.player = player;
25                this.random = random;
26                this.learningRate = learningRate;
27        }
28
29        public int play(BoardGame game) {
30                while (!game.endOfGame()) {
31                        List<? extends GameMove> moves = game.findMoves();
32                        if (!moves.isEmpty()) {
33                                GameMove bestMove = null;
34                                if (random.nextBoolean(prob)) {
35                                        game.makeMove(moves.get(random.nextInt(moves.size())));
36                                } else {
37                                        double bestEval = Float.NEGATIVE_INFINITY;
38                                        for (GameMove move : moves) {
39                                                double eval = game.evalMove(player, move);
40                                                if (eval > bestEval) {
41                                                        bestEval = eval;
42                                                        bestMove = move;
43                                                }
44                                        }
45
46                                        Board previousBoard = game.getBoard().clone();
47                                        game.makeMove(bestMove);
48                                        updateEvaluationFunction(previousBoard, game);
49                                }
50                        }
51                        game.switchPlayer();
52                }
53
54                return game.getOutcome();
55        }
56
57        private void updateEvaluationFunction(Board previousBoard, BoardGame game) {
58                double evalBefore = tanh(previousBoard.evaluate(player));
59                double derivative = (1 - (evalBefore * evalBefore));
60                double error;
61
62                if (game.endOfGame()) {
63                        int result;
64                        if (game.getOutcome() > 0) {
65                                result = 1;
66                        } else if (game.getOutcome() < 0) {
67                                result = -1;
68                        } else {
69                                result = 0;
70                        }
71                        error = result - evalBefore;
72                } else {
73                        double evalAfter = tanh(game.getBoard().evaluate(player));
74                        error = evalAfter - evalBefore;
75                }
76
77                double delta = learningRate * error * derivative;
78                for (int row = 1; row <= OthelloBoard.size(); row++) {
79                        for (int col = 1; col <= OthelloBoard.size(); col++) {
80                                double w = player.getValue(row, col);
81                                player.setValue(row, col, w + (delta * previousBoard.getValueAt(row, col)));
82                        }
83                }
84        }
85
86        private static double tanh(double x) {
87                return 2 / (1 + Math.exp(-2 * x)) - 1;
88        }
89}
Note: See TracBrowser for help on using the repository browser.