(Baralla em galego da Galícia, na Espanha, significa baralho da cartas.)

O objetivo deste projeto é reunir desenvolvimentos e testes de ideias de códigos fonte que sirvam de base para desenvolvimento de jogos de cartas.

2023-12-13

Até aqui foram desenvolvidas uma coleção de classes para simular um jogo de cartas. Está inicialmente pensado para atender a vários jogos, mas esse pré-requisito ainda está bem flexível.

As classes que descrevem os jogos ainda são altamente voltadas para informação, porém alguns parâmetros já saem de dados encontrados nelas.

Ao executar teste.py, que testa toda a estrutura, um jogo de brisca é jogado entre 2 jogadores, até um dos jogadores ganhar quatro partidas, sendo assim o vencedor do jogo.

A única regra da Brisca não atendida é a de uma pontuação alta da partida valer por duas partidas.

Diversos outputs de estados parciais são feitos pelo script para verificarmos o funcionamento.

A lógica de jogo da classe jogador é, até aqui, apenas a escolha aleatória de uma das cartas da mão. (lógica "0.10.0")

Executando 10 mil vezes um dos jogadores ganhou 51,87%, ficando perto do esperado 50%.

Criada lógica "0.10.1", em que o jogado pega sempre a carta que esta na mão há mais tempo. Isso, como a lógica anterior, também resulta em um jogo completamente aleatório, afinal as cartas são embaralhadas.

Objetivo principal das próximas versões é incluir inteligência na lógica de jogo do Jogador.

Heurística:

• Como primeiro jogador da mão: sorteia uma carta
• Como segundo: escolhe carta maior que a da mesa, se tiver, senão sorteia

Performance:

• contra 0.10.0: 84,2% de vitórias
• contra 0.10.1: 82,6% de vitórias
• contra si próprio: 50,3% de vitórias

Os resultados na comparação com os aleatórios são equivalentes. Então, de agora em diante, a comparação com a abordagem aleatória será contra a lógica 0.10.1.

Heurística:

• Como primeiro jogador da mão: escolhe carta de menor valor
• Como segundo: escolhe carta maior que a da mesa, se tiver, senão escolhe carta de menor valor

Performance:

• contra 0.10.1: 94,3% de vitórias
• contra 0.11.0: 72,7% de vitórias
• contra si próprio: 53,5% de vitórias

Apresenta melhora relevante com relação às versões anteriores e coerência contra si.

Heurística:

• Como primeiro: escolhe carta de menor valor, não trunfo, se possível
• Como segundo:
  • Se a carta da mesa é um trunfo, joga como se fosse o primeiro
  • Senão,
    • Escolhe carta maior que a da mesa, se tiver
    • Senão tiver,
      • Se a carta vale pontos, escolhe carta trunfo de menor valor, se possível
      • Senão, joga como se fosse o primeiro

Performance:

• contra 0.10.1: 99,1% de vitórias
• contra 0.11.0: 85,5% de vitórias
• contra 0.11.1: 51,0% de vitórias
• contra si próprio: 52,1% de vitórias

Apesar de empatar com a última versão, apresenta melhora relevante com relação às versões anteriores à última.

Heurística:

• Como primeiro: escolhe carta de menor valor, não trunfo, se possível
• Como segundo:
  • Se a carta da mesa é um trunfo
    • Se a carta vale pontos, escolhe carta maior que a da mesa, se tiver
    • Senão, joga como se fosse o primeiro
  • Senão,
    • Escolhe carta maior que a da mesa, se tiver
    • Senão tiver,
      • Se a carta vale pontos, escolhe carta trunfo de menor valor, se possível
      • Senão, joga como se fosse o primeiro

Performance:

• contra 0.10.1: 99,5% de vitórias
• contra 0.11.0: 92,7% de vitórias
• contra 0.11.1: 66,2% de vitórias
• contra 0.11.2: 51,4% de vitórias
• contra si próprio: 55,4% de vitórias

A pequena alteração com relação à ultima versão não é suficiente para mostrar superioridade a ela, porém, apresenta melhora relevante com relação às versões anteriores à última.

Performance dos lógica já criadas.

Apesar de perderem qualidade nesse novo cenário, a lógica 0.11.3 ainda se apresenta como a o melhor.

Contra esta será treinado o primeiro modelo de lógica de Jogador com IA.

Decidir de crio heurística que considere memória das cartas já jogadas.

Será iniciado o uso de IA na lógica.

Provavelmente a primeira versão utilizará aprendizado por reforço.

Provável utilização de deep learning. A decidir.

Alguma interface simples para jogar com humanos.

O histórico de todos os jogos contra humanos (ou entre humanos, quando houver) será guardado.

Revisão completa da estrutura de classes, objetivando ser mais genérica

Variações no "y" alternarão entre melhorias de inteligência, interface humana e estrutura de código.

Abrir alguma interface para jogo via web.