Clases para la evaluación de los diferentes modelos de MsPacMan y ghosts en el juego MsPacMan vs Ghosts. Implementacion de clases evaluadoras que obtienen información de las evaluaciones realizadas. Posteriormente con esta información se pueden producir gráficas que ayuden a analizar los resultados obtenidos.

• PacManEvaluatorTFM: clase que realiza las evaluaciones entre las diferentes implementaciones que se encuentran en el archivo config.properties. Permite realizar evaluaciones entre las técnicas CBR, Algorítmica, FSM y Rules, tanto para MsPacMan como para ghosts. Estas evaluaciones se realizan en un único proceso de ejecución.

• PacManEvaluatorTFMBash: clase que realiza las evaluaciones entre las diferentes implementaciones que se encuentrarn en el archivo config.properties. Permite realizar las evaluaciones entre las técnicas CBR, Algorítmica, FSM y Rules. Estas evaluaciones se realizan en varios procesos de ejecución que van siendo creados desde un script de bash. Está pensado para usarlo en servidor y de esta manera si falla un proceso no se pierda toda la información de las evaluaciones previas.

• PacManEvaluatorQLearnTFM: clase que realiza las evaluaciones entre las diferentes implementaciones Q-learning contra los ghosts que se encuentran en el archivo config.properties. Permite realizar las evaluaciones contra ghosts que usen las técnicas CBR, Algorítmica, FSM y Rules. Estas evaluaciones se realizan en un único proceso de ejecución.

• PacManEvaluatorQLearnTFMBash: clase que realiza las evaluaciones entre las diferentes implementaciones con Q-learning contra los ghosts que se encuentran en el archivo config.properties. Permite realizar las evaluaciones contra ghosts que usen las técnicas CBR, Algorítmica, FSM y Rules. Estas evaluaciones se realizan en varios procesos de ejecución que van siendo creados desde un script de bash. Está pensado para usarlo en servidor y de esta manera si falla un proceso no se pierda toda la información de las evaluaciones previas.

Las clases evaluadoras se encuentran en el paquete es.ucm.fdi.ici. La ruta es la siguiente: src/main/java/es/ucm/fdi/ici

Para evaluar una implementación se debe poner la localización de la implementación en el archivo config.properties.

file = results.txt

MsPacManTeams = \
es.ucm.fdi.ici.c2122.practica5.grupo04.MsPacMan,\
es.ucm.fdi.ici.c2122.practica5.grupo08.MsPacMan,\
es.ucm.fdi.ici.c2122.practica5.grupo10.MsPacMan

GhostsTeams = \
es.ucm.fdi.ici.c2122.practica3.grupo02.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo03.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo04.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo05.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo06.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo07.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo08.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo09.Ghosts,\
es.ucm.fdi.ici.c2122.practica3.grupo10.Ghosts

Cuando queremos evaluar los MsPacMan con Q-learning debemos usar el evaluador correspondiente y no poner nada en el apartado MsPacMans. En el apartado GhostsTeams debemos poner los ghosts que queremos que se enfrenten a los MsPacMan con Q-learning.

Para ejecutar el evaluador con bash tenemos que tener un script de bash. A continuación se muestra unos ejemplo de script de bash para cada evaluador.

# Ruta al archivo JAR que deseas ejecutar
JAR_FILE="evaluatorTFMBash.jar"

# Número total de ejecuciones
TOTAL_EJECUCIONES=1000

#Ciclos por ejecucion
CICLOS=50

# Loop para ejecutar el JAR 1000 veces pasando el valor de 'i' como argumento de 50 en 50
for ((i = $CICLOS; i <= $TOTAL_EJECUCIONES; i+=$CICLOS)); do
  java -jar "$JAR_FILE" "$i"
done

# Ruta al archivo JAR que deseas ejecutar
JAR_FILE="evaluatorQLearnTFMBash.jar"

# Número total de ejecuciones
TOTAL_EJECUCIONES=10

#Ciclos por ejecucion
CICLOS=1

# Loop para ejecutar el JAR 1000 veces pasando el valor de 'i' como argumento de 50 en 50
for ((i = $CICLOS; i <= $TOTAL_EJECUCIONES; i+=$CICLOS)); do
  java -jar "$JAR_FILE" "$i"
done

Tras la ejecución de los evaluadores se obtienen los siguientes archivos:

• resultados.csv: archivo que contiene los resultados a lo largo de las evaluaciones en formato csv.
• casebasesize.csv: archivo que contiene los tamaños de las bases de casos a lo largo de las evaluaciones en formato csv.
• avgknn.csv: archivo que contiene las medias knn a lo largo de las evaluaciones en formato csv.
• tiempos.csv: archivo que contiene los tiempos de ejecucion a lo largo de las evaluaciones en formato csv.

Cabe destacar que para las evaluaciones con Q-learning solo sirven los archivos resultados.csv y tiempos.csv, debido a que no tiene base de casos y tampoco medias knn. Los otros dos archivos se crean pero no tienen información.

Estos archivos son los que permiten crear todas las gráficas y las tablas que se encuentran en la memoria del TFM.