Connect4-Python

Este projeto é composto por dois componentes principais:

src: que possui a implementação do jogo e dos agentes (robôs)
content: que possui todo o material didático sobre o assunto.

Toda a implementação foi feita em Python. Este projeto é um fork do projeto do Keith Galli. Algumas modificações foram feitas na implementação, principalmente para permitir o jogo de robô contra robô.

Toda a parte referente ao material didático é nova.

A licença deste projeto é MIT License, como pode ser visto no arquivo LICENSE no repositório. Ou seja, você pode usar todo o material para o objetivo que quiser. No entanto, é necessário citar os autores deste projeto.

Fabrício Barth é professor Tempo Integral no Insper Instituto de Ensino e Pesquisa.

Setup

Para o setup do projeto eu recomendo criar um ambiente virtual:

python3.9 -m virtualenv venv
source venv/bin/activate
python -m pip install --upgrade pip
pip install -r requirements.txt

Executando o servidor mkdocs na máquina local

Para executar o servidor da documentação em uma máquina local basta digitar:

cd content
mkdocs serve

Fazendo o deploy da documentação usando o github actions

Existe um arquivo main.yml no diretório .github/workflows que define o deploy da documentação no gh-pages do github usando actions.

Exemplos de execução do jogo Liga4 ou Connect4

O jogo pode ser inicializado de algumas formas via src/connect4.py ou src/connect4_with_ai.py:

src/connect4.py: dois jogadores jogando de forma manual.
src/connect4_with_ai.py: um jogador manual e outro artificial.
python connect4_with_ai.py random: o jogador artificial tem comportamento aleatório.
python connect4_with_ai.py minmax 5: o jogador artificial implementa o algoritmo min-max. O número informado é a profundidade que o algoritmo min-max irá considerar - precisa ser um valor maior ou igual a 1.
python connect4_with_ai.py flat: equivale a execução do minmax com profundidade 1. É utilizado para mostrar o comportamento de um agente que avalia apenas o primeiro nível da árvore.
python connect4_with_ai.py complete: equivale a execução do minmax com profundidade 20. É utilizado para mostrar o comportamento de um agente que avalia toda a árvore de busca.
python connect4_ai_versus_ai.py random 0 minmax 5: o primeiro argumento define o primeiro jogador. Se for random então o segundo argumento pode ser qualquer valor. O terceiro argumento define o segundo jogador. Se o jogador for minmax então o argumento subsequente sempre precisa ser a profundidade adotada pelo minmax.

Compilar os slides