metzzo / mancala Goto Github PK

Support von Brettspielen ist bei der TripleA Engine leider seit einiger Zeit nicht mehr verfügbar, das heißt es müsste mit einer stark veralteten Version geschrieben werden. Die Frage ist, ob es dennoch einfacher ist eine eigene Brettspielengine zu schreiben.

Mancala hat verschiedene Variationen, dieses Projekt implementiert den "Mancala" Regelsatz: http://www.kalaha.de/mancala.htm

Damit Studierende neue Agenten entwickeln können muss folgendes dokumentiert werden

• Wie erstellt man einen neuen Agenten?
• Wie funktionieren die beiden existierenden Agenten?
• Wie funktioniert die Bedienung des Spiels?
• Wie erstellt man ein neues Brettspiel?

Als Format sollte dabei das Markdown Format dienen.

Agent für die Tiefensuche implementieren.

• Beispielimplementierung eines Tiefensuche Algorithmus (ohne spezielle Heuristiken) für das Brettspiel.
• Besonders achten auf gut dokumentierten und sauberen Code, da zukünftige Gruppen basierend auf diesem Code eigene Agenten implementieren werden.

Javas ServiceLoader API in Kombination mit Runtime Classloading erlaubt das laden neuer Services zur Laufzeit.

Aufsetzen des Projekts:

• Gradle aufsetzen
• Package Struktur
• Graphikkontext öffnen

Die Steuerung des Spiels soll mithilfe eines Agentsystems erfolgen. Dabei soll es möglich sein beliebig viele Agents dynamisch und statisch in das Spiel zu laden.

• Agent API
• Human Agent: Mensch macht Züge
• Random Agent: Computer macht zufällige Züge
• MCTS Agent: Agent mit MCTS (nicht Teil dieses Tickets)
• Tiefensuche Agent: Agent mit Tiefensuche (nicht Teil dieses Tickets)

Unittests für die Spielregeln schreiben

Startkonfiguration soll in einem XML File gespeichert werden.

Codebasis aufräumen:

• JavaDoc für wichtige Klassen erstellen
• API aufräumen

UI um das Spiel zu starten und Einstellungen vorzunehmen:

• Auswahl der Agents die gegeneinander antreten
• Laden neuer Agents
• Einstellung der Brettgröße
• Maximale "Nachdenk" Dauer pro Agent

Grundlayout von Mancala implementieren

• Rendering
• Spieloperationen
• Parametrisierbar (Anzahl der Felder)

Monte Carlo Treesearch Agent implementieren:

• Beispielimplementierung eines Monte Carlo Treesearch Algorithmus (ohne spezielle Heuristiken) für das Brettspiel.
• Besonders achten auf gut dokumentierten und sauberen Code, da zukünftige Gruppen basierend auf diesem Code eigene Agenten implementieren werden.

Aktuell ist das UI nicht sonderlich ansehnlich, es muss nicht sonderlich fancy sein.

• Steine Buttons
• Set Up
• Agent hinzufügen

Sollte allgemeine Informationen über das Projekt enthalten.