dummy nimm KI

nimm.py

@@ -0,0 +1,76 @@
+import random
+from dataclasses import dataclass
+
+@dataclass
+class Move:
+    state: int
+    move: int
+
+def optimal_move():
+    global state
+    for n in [1, 2, 3]:
+        if (state - n) % 4 == 1:
+            return n
+    return random.randint(1, 3)  # Wenn keine perfekte Wahl, dann irgendein Zug
+
+def ki_move():
+    global state
+    antiMoves = lostMoves.get(state)
+    if antiMoves == None:
+        return random.randint(1, 3)
+    availableMoves = [True, True, True]
+    for badMove in antiMoves:
+        availableMoves[badMove - 1] = False
+    for i, good in enumerate(availableMoves):
+        if good:
+            return i + 1
+    return random.randint(1, 3)
+
+def makeMove(move): # gibt True zurück, wenn der Spieler verloren hat
+    global state
+    state -= move
+
+    # state kann auch kleiner 0 sein, da der Einfachheit halber am Ende auch Züge gemacht werden,
+    # die mehr alle Hölzchen wegnehmen. Dies wird dann so betrachtet, wie als wären 0 Hölzchen da.
+    return state <= 0
+
+def addLostMove(state, move):
+    moves = lostMoves.get(state)
+    if moves == None:
+        moves = []
+    moves.append(move)
+
+def game(train):
+    global state
+    state = 12
+    lastMove = None
+    while True:
+        # KI beginnt, sonst kann sie nicht gewinnen
+        move = ki_move()
+        lost = makeMove(move)
+        if lost:
+            if train:
+                addLostMove(state + move, move)
+                addLostMove(lastMove.state, lastMove.move)
+            return 0 # optimale Strategie hat gewonnen
+        lastMove = Move(state + move, move)
+
+        move = optimal_move()
+        lost = makeMove(move)
+        if lost:
+            return 1 # KI hat gewonnen
+
+state = 12
+lostMoves = {}
+
+# train
+for _ in range(1000):
+    game(True)
+
+# eval
+numberEvalGames = 100000
+wonGames = 0
+for _ in range(numberEvalGames):
+    wonGames += game(False)
+
+print(f"Die KI hat {wonGames / numberEvalGames * 100}% der Spiele gewonnen.")