pull request

entornos_f.py

@@ -77,7 +77,7 @@ def simulador(entorno, agente, s, T=10, c=0):
     @param agente: Un objeto de la clase Agente
     @param s: Una tupla con un estado legal del entorno
     @param T: Un int con el número de pasos a simular
-    @param c: Un flotante con el costo hasta s 
+    @param c: Un flotante con el costo hasta s
 
     @return: [(a_1, s_1, c_1), ..., (a_T, s_T, c_T)] una lista de tripletas con
              la acción, estado y costo total en cada paso de simulación.
@@ -90,7 +90,7 @@ def simulador(entorno, agente, s, T=10, c=0):
 
     return ([] + [(a, s_n, c + c_local)] if T <= 1 else
             [(a, s_n, c + c_local)] + simulador(entorno, agente, s_n, T - 1, c + c_local))
-    
+
 def imprime_simulacion(historial, s_0):
     """
     Imprime una secuencia generada por simulador
@@ -100,7 +100,7 @@ def imprime_simulacion(historial, s_0):
 
     """
     print("\n\nSimulación, iniciando en el estado" + 
-            str(s_0) + "\n") 
+            str(s_0) + "\n")
 
     print('Paso'.center(10) +
             'Acción'.center(40) +
@@ -113,5 +113,4 @@ def imprime_simulacion(historial, s_0):
                 str(a_i).center(40) +
                 str(s_i).center(25) +
                 str(c_i).rjust(12))
-    print('_' * (10 + 40 + 25 + 15) + '\n\n')
-
+    print('_' * (10 + 40 + 25 + 15) + '\n\n')

tarea_1.py

@@ -7,12 +7,129 @@
 Revisa el archivo README.md con las instrucciones de la tarea.
 
 """
-__author__ = 'escribe_tu_nombre'
+__author__ = 'Manuel Búsani Yanes'
 
 import entornos_f
-import entornos_o
+from random import choice
 
 # Requiere el modulo entornos_f.py o entornos_o.py
 # Usa el modulo doscuartos_f.py para reutilizar código
 # Agrega los modulos que requieras de python
 
+
+class NueveCuartos(entornos_f.Entorno):
+	'''
+	acciones = ["ir_Derecha", "ir_Izquierda", "subir", "bajar", "limpiar", "nada"]
+
+	estados = [x, y, cuartos]
+
+	x es un número de 0 a 2 y representa la posición horizontal
+
+	y es un número de 0 a 2 y representa la posición vertical
+
+	cuartos es una lista de listas de booleanos donde los indices
+	con que se acceden representa el cuarto, e.g cuartos[0][0] es
+	el cuarto del primer piso en la izquierda, y el valor booleano
+	representa si está limpio o no, donde True significa limpio
+
+	'''
+	def accion_legal(self, estado, accion):
+		x = estado[0]
+		y = estado[1]
+
+		return ((x == 2 and y != 2) if accion == "subir" else
+				(x == 0 and y != 0) if accion == "bajar" else
+				accion in ["ir_Derecha", "ir_Izquierda", "limpiar", "nada"])
+
+	def transicion(self, estado, accion):
+		# no se si aqui hay que checar si la accion es legal
+		if not self.accion_legal(estado, accion):
+			raise ValueError("Error en transicion, la acción recibida no es legal")
+
+		x, y, cuartos = estado
+
+		tmp = [[True,True,True],[True,True,True],[True,True,True]]
+		c_local = (3 if ((accion == "subir") or (accion == "bajar")) else 
+				   2 if ((accion == "ir_Derecha") or (accion == "ir_Izquierda")) else 
+				   0 if ((accion == "nada") and (cuartos == tmp)) else 1)
+
+		if accion == "ir_Derecha":
+			if x != 2:
+				x = x+1
+		elif accion == "ir_Izquierda":
+			if x != 0:
+				x = x-1
+		elif accion == "subir":
+			y = y+1
+		elif accion == "bajar":
+			y = y-1
+		elif accion == "limpiar":
+			cuartos[x][y] = True
+
+		return ([x, y, cuartos], c_local)
+
+	def percepcion(self, estado):
+		x, y, cuartos = estado
+		return (x, y, cuartos[x][y])
+
+class AgenteAleatorio(entornos_f.Agente):
+    """
+    Un agente que solo regresa una accion al azar entre las acciones legales
+
+    """
+    def __init__(self, acciones):
+        self.acciones = acciones
+
+    def programa(self, percepcion):
+        x = percepcion[0]
+        y = percepcion[1]
+
+        if (x != 2) or (y == 2):
+        	self.acciones.remove("subir")
+        if (x != 0) or (y == 0):
+        	self.acciones.remove("bajar")
+        salida = choice(self.acciones)
+
+        if (not "subir" in self.acciones):
+        	self.acciones.append("subir")
+        if (not "bajar" in self.acciones):
+        	self.acciones.append("bajar")
+
+        return salida
+
+'''
+class AgenteReactivoModeloNueveCuartos(entornos_f.Agente):
+    # Un agente reactivo basado en modelo
+
+    def __init__(self):
+        # Inicializa el modelo interno
+        self.modelo = [0, 0, [[False,False,False],[False,False,False],[False,False,False]]]
+
+    def programa(self, percepcion):
+    	x, y, cuarto_limpio = percepcion
+    	cuartos = self.modelo[2] 
+
+    	# Actualiza el modelo interno
+    	self.modelo[0] = x
+    	self.modelo[1] = y
+    	self.modelo[2][x][y] = cuartoLimpio
+
+    	# Decide sobre el modelo interno
+		return ("limpiar" if not cuartoLimpio else
+				"ir_Derecha" if ((x != 2) and (not cuartos[x+1][y]) or (x == 0) and (not(cuartos[2][y]))) else 
+				"ir_Izquierda" if ((x != 0) and (not cuartos[x-1][y]) or (x == 2) and (not(cuartos[0][y]))) else
+				"subir" if ((x == 0) and (y != 2) and (cuartos[0] != [True, True, True])) else True)
+'''
+def prueba_nueve_cuartos(agente):
+    entornos_f.imprime_simulacion(
+        entornos_f.simulador(
+            NueveCuartos(),
+            agente,
+            [0,0,[[False,False,False],[False,False,False],[False,False,False]]],
+            300
+        ),
+        [0,0,[[False,False,False],[False,False,False],[False,False,False]]]
+    )
+
+if __name__ == "__main__":
+	prueba_nueve_cuartos(AgenteAleatorio(["ir_Derecha", "ir_Izquierda", "subir", "bajar", "limpiar", "nada"]))