Discussion :

[Personne3443]

Bonjour,
J'ai essayer de coder une IA a apprentissage par renforcement qui apprend a jouer au morpion elle s'appelle Amna (Car Amna = A.Mna. (En Xhosa) = AI (En Anglais) = IA (En francais) OUI je suis parti loin), pas si compliquer dans l'idée, mais comme c'est la première IA par renforcement que je code, j'ai surement fait un peut n'importe quoi...
J'ai coder assez clairement, j'ai mis des commentaires partout, c'est pas si dure a comprendre ce que j'ai fait.
Donc le problème c'est que mon IA est pas très I, même au bout de 100 000 partie, ce qui me parait très bizarre pour apprendre le morpion...
Donc j'ai surement fait des erreurs de logiques...
Il y a surement des erreur dans :
- Ma façon de récompenser
- Si c'est pas dans ma façon de récompenser c'est dans ma BackPropagation
- Si c'est pas dans la BackPropagation c'est dans la façon dont l'IA fait ses choix (Elle les fait par rapport a ce que l'adversaire viens de jouer et pas par rapport a ce qu'il a jouer au long de la partie)
- C'est peut être dans tout a la fois...
- Et elle a un bug que je ne comprend pas, le plateau ce rempli dans des moment ou il ne devrai pas être remplis

Donc c'est surement n'importe quoi mon code mais le voici pour m'aider a le corriger et pour que j’apprenne de mes erreurs :

Code Python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
###############################################################################
# Amna
###############################################################################
 
"""
N = Niveau (Répondre à N) (De l'état N à ...)
xp = Experience (Data / Données / Cerveau)
P = player (La personne qui jou en ce momant)
 
"""
 
### INI ###
terrain = list([0,0,0,0,0,0,0,0,0]) #Map morpion
# Experience / Cerveau
xp = list([])
for a in range(10):
    xp.append([])
    for b in range(9):
        xp[a].append([(b+1),0])
 
"""
Map morpion :
|1|2|3|
|4|5|6|
|7|8|9|
 
Plan de la base de donnée de l'IA / Cerveau :
[
Si le joueur adverse choisi 0 (Tu jou en premier) : [[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
Si le joueur adverse choisi 1 : [[(Alors jouer 1)>1, (Niveau d'envie de jouer 1)>0], [(Alors jouer 2)>2, (Niveau d'envie de jouer 2)>0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
Si le joueur adverse choisi 2 : [[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
[[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
[[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
[[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
[[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
[[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
[[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]],
[[1, 0], [2, 0], [3, 0], [4, 0], [5, 0], [6, 0], [7, 0], [8, 0], [9, 0]]
]
"""
### IMP ###
import random
import os #Pour la commande cls de system pour clear l'affichage pour le chargement
 
### DEF ###
def choisir(N):
    randomlist = list([]) #Liste pour tout les choix qui ont la même valleurs qu'il faudra départager grance a l'aleatoire
    best = list([0,0])
    choix = xp[N].copy() #Copie de la base de donnée pour ne pas la modifier
    for i in range(9): # Tri des choix possible
        if terrain[8-i] == 1 or terrain[8-i] == 2:
            choix.remove(choix[8-i]) #Suppretion des choix impossible
    # Recherche du meilleur choix
    for i in range(len(choix)):
        if choix[i][1] > best[1]:
            best = choix[i]
            randomlist = list([])
        if choix[i][1] == best[1]:
            randomlist.append(choix[i])
    # Si il y a confrontation alors place au random
    if len(randomlist) > 0:
        best = randomlist[random.randint(0,(len(randomlist)-1))]
    # Return le nom de la case (entre 1 et 9)
    return best[0]
 
def choisirALL(): #Pour choisir premier tour
    most = list([])
    for N in range(10):
        randomlist = list([])
        best = list([0,0])
        choix = xp[N].copy()
        for i in range(9): # Tri des choix possible
            if terrain[8-i] == 1 or terrain[8-i] == 2:
                choix.remove(choix[8-i])
        # Recherche du meilleur choix
        for i in range(len(choix)):
            if choix[i][1] > best[1]:
                best = choix[i]
                randomlist = list([])
            if choix[i][1] == best[1]:
                randomlist.append(choix[i])
        # Si il y a confrontation alors place au random
        if len(randomlist) > 0:
            best = randomlist[random.randint(0,(len(randomlist)-1))]
        # Ajoute a la liste des meilleur
        most.append(best)
    choix = most
    for i in range(len(choix)):
        if choix[i][1] > best[1]:
            best = choix[i]
            randomlist = list([])
        if choix[i][1] == best[1]:
            randomlist.append(choix[i])
    # Si il y a confrontation alors place au random
    if len(randomlist) > 0:
        best = randomlist[random.randint(0,(len(randomlist)-1))]
    # Return le nom de la case (entre 1 et 9)
    return best[0]
 
 
def Gagner():
    global terrain
    if ((terrain[0]==1 and terrain[1]==1 and terrain[2]==1) or
        (terrain[0]==1 and terrain[4]==1 and terrain[8]==1) or
        (terrain[0]==1 and terrain[3]==1 and terrain[6]==1) or
        (terrain[1]==1 and terrain[4]==1 and terrain[7]==1) or
        (terrain[2]==1 and terrain[5]==1 and terrain[8]==1) or
        (terrain[2]==1 and terrain[4]==1 and terrain[6]==1) or
        (terrain[3]==1 and terrain[4]==1 and terrain[5]==1) or
        (terrain[6]==1 and terrain[7]==1 and terrain[8]==1)):
        return True
    elif ((terrain[0]==2 and terrain[1]==2 and terrain[2]==2) or
         (terrain[0]==2 and terrain[4]==2 and terrain[8]==2) or
         (terrain[0]==2 and terrain[3]==2 and terrain[6]==2) or
         (terrain[1]==2 and terrain[4]==2 and terrain[7]==2) or
         (terrain[2]==2 and terrain[5]==2 and terrain[8]==2) or
         (terrain[2]==2 and terrain[4]==2 and terrain[6]==2) or
         (terrain[3]==2 and terrain[4]==2 and terrain[5]==2) or
         (terrain[6]==2 and terrain[7]==2 and terrain[8]==2)):
         return True
    else:
        return False
#############
# Algorytme #
#####################################
 
learningRate = 0.01 #Learning rate pété
long = 1000000 #Nombre de partie d'apprentissage
barre = list([]) #Barre de chargement
 
for app in range(long):
    if (app/long)*100 == int((app/long)*100):
        os.system("cls")
        barre.append("|")
        print("Apprentisage :",int((app/long)*100),"% /",app,"parties jouées")
        print("---------------------------------------------------------------------------------------------") #Top la classe XD
        print(''.join(barre))
        print("---------------------------------------------------------------------------------------------")
        print("")
        print("Learning rate :", learningRate)
        print("")
        print(terrain[0],terrain[1],terrain[2])
        print(terrain[3],terrain[4],terrain[5])
        print(terrain[6],terrain[7],terrain[8])
        print("")
        for i in range(9): #Montre les données
            print(xp[i])
    """
    #Fonction d'avencement du learning rate durant la partie
    if learningRate < 1:
        learningRate += learningRate/(100000)
    elif learningRate > 1:
        learningRate = 1
    """
    historique = list([]) #Historique de la partie pour la backpropagation
    terrain = list([0,0,0,0,0,0,0,0,0]) #Nettoyage du terrain
    P = 1 #Joueur 1 commence
    ### Démarage de la partie ###
    for i in range(10):
        if sum(terrain) > 12: #Anti bug du terrain remplis
            """
            print("BUG : Terrain rempli (Non resolu)")
            print(terrain[0],terrain[1],terrain[2])
            print(terrain[3],terrain[4],terrain[5])
            print(terrain[6],terrain[7],terrain[8])
            """
            break
        if random.random() > learningRate: #Esay de faire quelque chose avec le learning rate
            choix = xp[0].copy()
            for i in range(9): # Tri des choix possible
                if terrain[8-i] == 1 or terrain[8-i] == 2:
                    choix.remove(choix[8-i])
            choix = choix[random.randint(0,(len(choix)-1))][0] #Choix aléatoire pour cartographier le jeu
        else:
            if len(historique) > 0: #Savoir si on jou en premier ou pas
                choix = choisir(historique[-1])
            else:
                choix = choisirALL()
        historique.append(choix) #Sauvegarde dans l'historique
        if P == 1: #Switch entre joueur 1 et 2
            terrain[choix-1] = 1
        elif P == -1:
            terrain[choix-1] = 2
        P *= -1
        # System de reward surement foireux
        if Gagner():
            xp[historique[-2]-1][historique[-1]-1][1] = xp[historique[-2]-1][historique[-1]-1][1]+learningRate*(5)
            xp[historique[-3]-1][historique[-2]-1][1] = xp[historique[-3]-1][historique[-2]-1][1]+learningRate*(-5)
            xp[historique[-4]-1][historique[-3]-1][1] = xp[historique[-4]-1][historique[-3]-1][1]+learningRate*(xp[historique[-2]-1][historique[-1]-1][1]-xp[historique[-4]-1][historique[-3]-1][1])
            xp[historique[-5]-1][historique[-4]-1][1] = xp[historique[-5]-1][historique[-4]-1][1]+learningRate*(xp[historique[-3]-1][historique[-2]-1][1]-xp[historique[-5]-1][historique[-4]-1][1])
            if not len(historique) > 5: break
            xp[historique[-6]-1][historique[-5]-1][1] = xp[historique[-6]-1][historique[-5]-1][1]+learningRate*(xp[historique[-4]-1][historique[-3]-1][1]-xp[historique[-6]-1][historique[-5]-1][1])
            if not len(historique) > 6: break
            xp[historique[-7]-1][historique[-6]-1][1] = xp[historique[-7]-1][historique[-6]-1][1]+learningRate*(xp[historique[-5]-1][historique[-4]-1][1]-xp[historique[-7]-1][historique[-6]-1][1])
            if not len(historique) > 7: break
            xp[historique[-8]-1][historique[-7]-1][1] = xp[historique[-8]-1][historique[-7]-1][1]+learningRate*(xp[historique[-6]-1][historique[-5]-1][1]-xp[historique[-8]-1][historique[-7]-1][1])
            if not len(historique) > 8: break
            xp[historique[-9]-1][historique[-8]-1][1] = xp[historique[-9]-1][historique[-8]-1][1]+learningRate*(xp[historique[-7]-1][historique[-6]-1][1]-xp[historique[-9]-1][historique[-8]-1][1])
            if not len(historique) > 9: break
            xp[historique[-10]-1][historique[-9]-1][1] = xp[historique[-10]-1][historique[-9]-1][1]+learningRate*(xp[historique[-8]-1][historique[-7]-1][1]-xp[historique[-10]-1][historique[-9]-1][1])
            break
        if i == 9: #Egalité
            xp[historique[-2]-1][historique[-1]-1][1] += learningRate*(0)
            xp[historique[-3]-1][historique[-2]-1][1] += learningRate*(0)
            xp[historique[-4]-1][historique[-3]-1][1] = xp[historique[-4]-1][historique[-3]-1][1]+learningRate*(xp[historique[-2]-1][historique[-1]-1][1]-xp[historique[-4]-1][historique[-3]-1][1])
            xp[historique[-5]-1][historique[-4]-1][1] = xp[historique[-5]-1][historique[-4]-1][1]+learningRate*(xp[historique[-3]-1][historique[-2]-1][1]-xp[historique[-5]-1][historique[-4]-1][1])
            xp[historique[-6]-1][historique[-5]-1][1] = xp[historique[-6]-1][historique[-5]-1][1]+learningRate*(xp[historique[-4]-1][historique[-3]-1][1]-xp[historique[-6]-1][historique[-5]-1][1])
            xp[historique[-7]-1][historique[-6]-1][1] = xp[historique[-7]-1][historique[-6]-1][1]+learningRate*(xp[historique[-5]-1][historique[-4]-1][1]-xp[historique[-7]-1][historique[-6]-1][1])
            xp[historique[-8]-1][historique[-7]-1][1] = xp[historique[-8]-1][historique[-7]-1][1]+learningRate*(xp[historique[-6]-1][historique[-5]-1][1]-xp[historique[-8]-1][historique[-7]-1][1])
            xp[historique[-9]-1][historique[-8]-1][1] = xp[historique[-9]-1][historique[-8]-1][1]+learningRate*(xp[historique[-7]-1][historique[-6]-1][1]-xp[historique[-9]-1][historique[-8]-1][1])
            xp[historique[-10]-1][historique[-9]-1][1] = xp[historique[-10]-1][historique[-9]-1][1]+learningRate*(xp[historique[-8]-1][historique[-7]-1][1]-xp[historique[-10]-1][historique[-9]-1][1])
            break
print("")
print("A vous de jouer")
print("")
print("0 1 2")
print("3 4 5")
print("6 7 8")
print("")
while True:
    terrain = list([0,0,0,0,0,0,0,0,0])
    for i in range(9):
        print("Etat du jeu :")
        print(terrain[0],terrain[1],terrain[2])
        print(terrain[3],terrain[4],terrain[5])
        print(terrain[6],terrain[7],terrain[8])
        print("")
        ch = int(input("Choix : "))
        terrain[ch] = 1
        if Gagner():
            print("Vous avez gagner :")
            print(terrain[0],terrain[1],terrain[2])
            print(terrain[3],terrain[4],terrain[5])
            print(terrain[6],terrain[7],terrain[8])
            break
        terrain[choisir(ch)-1] = 2
        if Gagner():
            print("Vous avez perdu :")
            print(terrain[0],terrain[1],terrain[2])
            print(terrain[3],terrain[4],terrain[5])
            print(terrain[6],terrain[7],terrain[8])
            break
        print("")
    print("-------------------------")

Il y a surement des fautes de français partout, je m'en excuse

Si vous ne comprenez pas quelque lignes, dite le moi je vous expliquerais, si vous ne comprenez rien manger votre chapeau (Attention l’abus de chapeau est dangereux pour la santé)

Merci de votre aide

[laurentSc]

Il y a surement des fautes de français partout

Je ne connais rien au python, mais, ça, je confirme

[dourouc05]

Les algorithmes d'apprentissage par renforcement sont notoirement difficiles à bien faire fonctionner, même pour les experts du domaine…

Tu mets un gros paquet de code, mais peu de détails de haut niveau sur ce que tu fais, difficile de te donner un avis rapidement (par exemple, sur ta manière de déterminer les récompenses).

Je suis tombé sur random.random() > learningRate, une ligne qui me paraît assez douteuse. Surtout que tu sembles considérer un taux d'apprentissage qui peut dépasser 1 (je n'ai pas souvent vu ça, c'est une valeur souvent très haute…) : dans ce cas, le test aléatoire échouera toujours. Que cherches-tu à faire, ici ?

Tu fais un jeu à deux joueurs, un seul des deux étant contrôlé par ton algo. Or, si j'ai bien compris ton code, tu mets à jour tes poids pour chaque action, peu importe le joueur : idéalement, tu considères que le deuxième joueur n'existe pas vraiment, il est plutôt inclus dans les transitions d'état que tu vois à la suite de tes actions.

[Personne3443]

Bonjour et merci de votre réponse,

Je suis tombé sur random.random() > learningRate, une ligne qui me paraît assez douteuse. Surtout que tu sembles considérer un taux d'apprentissage qui peut dépasser 1 (je n'ai pas souvent vu ça, c'est une valeur souvent très haute…) : dans ce cas, le test aléatoire échouera toujours. Que cherches-tu à faire, ici ?

Oui c'est très très douteux, en fait si je met pas ça l'IA joue que ce qu'elle a trouver bien au premier tour, et se bloque dans une boucle infinie, car pour contrer ça l'autre partie de son cerveau qui joue contre elle fluctue entre ses deux réponses préféré qui sont mauvaises (Enfin déjà ça c'est pas normal ). En fait je veut que l'IA joue complétement aléatoirement pour noter toutes les possibilités qu'elle croise et ce construire un plan de jeu. En fait ce que j'ai pas fait et ce que je doit faire a la place de ça c'est que si le choix sont jouer en [1,5] [2,-1] [3,1] [4,-2] [5,0] [6,3] [7,2] [8,4] [9,-1] avec
[Numéro de la case,Envie de l'IA] il faut que l'IA choisisse aléatoirement mais pas tout a fait :
Pour toutes les valeurs d'envie ajouter 5 (Pour qu'il n'y ais aucun nombre en dessous de 0, car normalement avent le nombre min été -5 et max 5 (Même si c'était pas vraiment le cas car j'ai mal fait mon truc)) (Donc le minimum est maintenant 0 et le max est 10)
LearningRate = 1
S = somme de toutes les envies (Min 0 Max 10) = 10+4+6+3+5+8+7+9+4 = 56
Probabilité de choisir la solution :
1 => 10/S*100/(10/LearningRate) = 17.8571428571 %
2 => 4/S*100/(4/LearningRate) = 7.14285714286 %
3 => 6/S*100/(6/LearningRate) = 10.7142857143 %
4 => 3/S*100/(3/LearningRate) = 5.35714285714 %
5 => 5/S*100/(5/LearningRate) = 8.92857142857 %
6 => 8/S*100/(8/LearningRate) = 14.2857142857%
7 => 7/S*100/(7/LearningRate) = 12.5 %
8 => 9/S*100/(9/LearningRate) = 16.0714285714 %
9 => 4/S*100/(4/LearningRate) = 7.14285714286 %

Voila ce serait plutôt ça que j’aurais envi de faire, du coup maintenant je sait a peut près comment le faire ^^

Mais mon système de reward est toujours pourri...

Tu fais un jeu à deux joueurs, un seul des deux étant contrôlé par ton algo. Or, si j'ai bien compris ton code, tu mets à jour tes poids pour chaque action, peu importe le joueur : idéalement, tu considères que le deuxième joueur n'existe pas vraiment, il est plutôt inclus dans les transitions d'état que tu vois à la suite de tes actions.

En réfléchissant sur la question, j'ai eu un bug car oui, c'est vrais mais c'est a cause de moi qui me suis embrouiller quand je l'ai coder . Mon but été de dire a l'IA ce que l'autre vient de jouer mais j'ai perdu le fil et je me suis mit a coder comme si l'info qu'on donner a l'IA c'était quel était l'étape de la partie (Tour 1, 2 ...)
En fait j'ai trop d'erreur a cause de ça, je pence que je vais la recommencer a 0, ce sera mieux...

Le truc que j'arrive pas a bien faire c'est la BackPropagation, si vous avez une idée dite le moi

Merci pour votre réponse, je vous tiendrais au courent de l’avancement de ce projet ici si vous le voulez