Add files via upload

entornos_o.py

@@ -1,125 +1,125 @@
-#!/usr/bin/env python
-# -*- coding: utf-8 -*-
-"""
-entornos_o.py
-------------
-
-Entornos y agentes desde una prespectiva OO
-
-"""
-
-__author__ = 'juliowaissman'
-
-class Entorno:
-    """
-    Clase abstracta para entornos
-
-    En realidad funciona como un contenedor de funciones
-
-    """
-
-    def __init__(self, x0=[]):
-        """
-        Inicializa la clase con el estado inicial como una lista
-
-        """
-        self.x = x0[:]
-        self.costo = 0
-
-    def acción_legal(self, accion):
-        """
-        @param acción: Una accion en el entorno
-
-        @return: True si accion es legal en estado, False en caso contrario
-
-        Por default acepta cualquier acción.
-
-        """
-        return True
-
-    def transición(self, accion):
-        """
-        @param accion: Uno de los elementos de acciones_legales( estado)
-
-        Modifica self.x y self.costo
-
-        """
-        pass
-
-    def percepcion(self):
-        """
-        @return: Tupla con los valores que se perciben del entorno por
-                 default el estado completo
-
-        """
-        return self.x
-
-
-class Agente(object):
-    """
-    Clase abstracta para un agente que interactua con un
-    entorno discreto determinista observable.
-
-    """
-
-    def programa(self, percepcion):
-        """
-        @param percepcion: Lista con los valores que se perciben de un entorno
-
-        @return: accion: Acción seleccionada por el agente.
-
-        """
-        pass
-
-
-def simulador(entorno, agente, pasos=10, verbose=True):
-    """Realiza la simulación de un agente actuando en un entorno de forma genérica
-
-    @param entorno: Un objeto de la clase Entorno
-    @param agente: Un objeto de la clase Agente
-    @param pasos: Un int con el número de pasos a simular
-    @param verbose: Si True, imprime el resultado de la simulación
-
-    @retrun (historial_estados, historial_acciones,
-            historial_desempeño) donde cada una es una lista con los
-            estados, acciones y medida de desempeño encontradas a lo
-            largo de la simulación.
-
-    """
-    historial_costo = [entorno.costo]
-    historial_estados = [entorno.x[:]]
-    historial_acciones = []
-
-    for _ in range(pasos):
-        p = entorno.percepcion()
-        a = agente.programa(p)
-        entorno.transicion(a)
-
-        historial_costo.append(entorno.costo)
-        historial_estados.append(entorno.x[:])
-        historial_acciones.append(a)
-
-    historial_acciones.append(None)
-
-    if verbose:
-        print(u"\n\nSimulación de entorno tipo " +
-              str(type(entorno)) +
-              " con el agente tipo " +
-              str(type(agente)) + "\n")
-
-        print('Paso'.center(10) +
-              'Estado'.center(40) +
-              u'Acción'.center(25) +
-              u'Costo'.center(15))
-
-        print('_' * (10 + 40 + 25 + 15))
-
-        for i in range(pasos):
-            print(str(i).center(10) +
-                  str(historial_estados[i]).center(40) +
-                  str(historial_acciones[i]).center(25) +
-                  str(historial_costo[i]).rjust(12))
-
-        print('_' * (10 + 40 + 25 + 15) + '\n\n')
-
-    return historial_estados, historial_acciones, historial_costo
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+import copy
+"""
+entornos_o.py
+------------
+
+Entornos y agentes desde una prespectiva OO
+
+"""
+
+__author__ = 'juliowaissman'
+
+class Entorno:
+    """
+    Clase abstracta para entornos
+
+    En realidad funciona como un contenedor de funciones
+
+    """
+
+    def __init__(self, x0=[]):
+        """
+        Inicializa la clase con el estado inicial como una lista
+
+        """
+        self.x = x0[:]
+        self.costo = 0
+
+    def acción_legal(self, accion):
+        """
+        @param acción: Una accion en el entorno
+
+        @return: True si accion es legal en estado, False en caso contrario
+
+        Por default acepta cualquier acción.
+
+        """
+        return True
+
+    def transición(self, accion):
+        """
+        @param accion: Uno de los elementos de acciones_legales( estado)
+
+        Modifica self.x y self.costo
+
+        """
+        pass
+
+    def percepcion(self):
+        """
+        @return: Tupla con los valores que se perciben del entorno por
+                 default el estado completo
+
+        """
+        return self.x
+
+
+class Agente(object):
+    """
+    Clase abstracta para un agente que interactua con un
+    entorno discreto determinista observable.
+
+    """
+
+    def programa(self, percepcion):
+        """
+        @param percepcion: Lista con los valores que se perciben de un entorno
+
+        @return: accion: Acción seleccionada por el agente.
+
+        """
+        pass
+
+
+def simulador(entorno, agente, pasos=10, verbose=True):
+    """Realiza la simulación de un agente actuando en un entorno de forma genérica
+
+    @param entorno: Un objeto de la clase Entorno
+    @param agente: Un objeto de la clase Agente
+    @param pasos: Un int con el número de pasos a simular
+    @param verbose: Si True, imprime el resultado de la simulación
+
+    @return (historial_estados, historial_acciones, historial_desempeño)
+            donde cada una es una lista con los estados, acciones y medidas de desempeño
+            encontradas a lo largo de la simulación.
+    """
+    historial_costo = [entorno.costo]
+    historial_estados = [copy.deepcopy(entorno.x)]  # Copia profunda del estado inicial
+    historial_acciones = []
+
+    for _ in range(pasos):
+        p = entorno.percepcion()  # Obtenemos la percepción (estado actual)
+        # Pasamos el entorno completo al agente, no solo la percepción
+        a = agente.programa([entorno] + list(p))  # Ahora pasamos tanto el entorno como la percepción
+        entorno.transicion(a)
+
+        historial_costo.append(entorno.costo)
+        historial_estados.append(copy.deepcopy(entorno.x))  # Copia profunda del estado actual
+        historial_acciones.append(a)
+
+    historial_acciones.append(None)
+
+    if verbose:
+        print(u"\n\nSimulación de entorno tipo " +
+              str(type(entorno)) +
+              " con el agente tipo " +
+              str(type(agente)) + "\n")
+
+        print('Paso'.center(10) +
+              'Estado'.center(40) +
+              u'Acción'.center(25) +
+              u'Costo'.center(15))
+
+        print('_' * (10 + 40 + 25 + 15))
+
+        for i in range(pasos):
+            print(str(i).center(10) +
+                  str(historial_estados[i]).center(40) +
+                  str(historial_acciones[i]).center(25) +
+                  str(historial_costo[i]).rjust(12))
+
+        print('_' * (10 + 40 + 25 + 15) + '\n\n')
+
+    return historial_estados, historial_acciones, historial_costo