def __init__(self, ambiente):

self.ambiente = ambiente

def executaTreinamentoTradicional(self, numPartidas=1000, numIteracoes=100000, taxaAprendizagem=0.1, momentum=1):

print('--- INÍCIO TREINAMENTO ---\n')

print("Etapa 1: Criação Base de Dados -> ", numPartidas, " jogos\n")

##Criação da base de dados (entradas (estados finais) e saídas (true labels))

baseDadosEntradasEstadosFinais = np.zeros((1,9))

baseDadosSaidasEstadosFinais = np.zeros((1,1))

iteracao = 0

##Início Etapa 1

while iteracao < numPartidas:

##Inicializa Partida

tabuleiro = self.ambiente.getTabuleiro().getEstadoAtual()

jogadorTurno = 1

#Enquanto a partida estiver sendo realizada

while True:

movimentosLegais = list(self.ambiente.movimentosDisponiveisLegais(tabuleiro))

if len(movimentosLegais) == 0:

break

if jogadorTurno > 0:

movimento = Jogador().executaJogadorAleatorio(self.ambiente, tabuleiro, 1)

else:

movimento = Jogador().executaJogadorAleatorio(self.ambiente, tabuleiro, -1)

#Movimento ilegal ocasiona em vitória do oponente

if movimento not in movimentosLegais:

print("Movimento Ilegal", movimento)

break

#Executa movimento

tabuleiro = self.ambiente.executaMovimento(tabuleiro, movimento, jogadorTurno)

#Exibe o movimento realizado pelo jogador corrente

#self.ambiente.exibeMovimento(tabuleiro, jogadorTurno)

#Verifica se há um vencedor

vencedor = self.ambiente.verificaExistenciaVencedor(tabuleiro)

#Caso houver vencedor, termina a partida e atualia a melhor rede

if vencedor != 0:

break

#Troca turno

jogadorTurno = -jogadorTurno

##Base de Dados de Estados Finais

entrada = np.array([tabuleiro])

saida = np.array([Utilidade(self.ambiente,'Estatica').funcaoAvaliacao(tabuleiro)]).reshape(1,1)

if (saida == 1 or saida == 0 or saida == -1) and (entrada != baseDadosEntradasEstadosFinais).all(1).any():

baseDadosEntradasEstadosFinais = np.append(baseDadosEntradasEstadosFinais, entrada, axis=0)

baseDadosSaidasEstadosFinais = np.append(baseDadosSaidasEstadosFinais, saida, axis=0)

else:

iteracao -= 1

iteracao += 1

##Fim Etapa 1

##Início Etapa 2

print('Etapa 2: Treinamento da Rede com a Base de Dados\n')

inicio = timeit.default_timer()

rede = RedeNeuralMLP(9,20,1) #Criação da Rede

##Split da base em treinamento e teste (80% treinamento e 20% teste)

entradasTreinamento, entradasTeste, saidasTreinamento, saidasTeste = train_test_split(baseDadosEntradasEstadosFinais, baseDadosSaidasEstadosFinais, test_size=0.2)

custos, iteracoes = rede.executaTreinamentoModelo2Camadas(entradasTreinamento, saidasTreinamento, numIteracoes, taxaAprendizagem, momentum)

plt.plot(iteracoes, custos)

plt.xlabel('Número Iterações')

plt.ylabel('Custo')

plt.show()

total = timeit.default_timer() - inicio

print("Tempo de Treinamento: " + str(total) + " segundos.")

##Fim Etapa 2

##Início Etapa 3

print("\nEtapa 3: Teste da Rede\n")

##Array de true labels e de saídas obtidas pela rede

saidasTeste = saidasTeste.reshape(saidasTeste.shape[1], saidasTeste.shape[0])

predicoesTeste = rede.predicao(entradasTeste)

##Arredondamento dos valores que foram obtidos pela rede (Exemplo: 0.99 = 1)

predicoesTeste = np.round(predicoesTeste, decimals=1).reshape(saidasTeste.shape)

##Cálculo da precisão da rede

precisaoRede = np.sum(np.equal(predicoesTeste, saidasTeste) / saidasTeste.size) * 100

print ('Precisão da Rede Treinada: ', precisaoRede, '%\n')

##Fim Etapa 3

return rede