🐭🐱 Gato y Ratón — Búsqueda y Optimización en Grafos

Proyecto desarrollado para experimentar y comparar algoritmos de búsqueda y optimización en un entorno adversarial. El juego simula la interacción entre un ratón que busca llegar con el queso a la meta, mientras un gato intenta atraparlo.

Los resultados del proyecto pueden visualizarse en el documento resultados.ipynb.

---

🎯 Objetivos

• Modelar el mapa como un grafo
• Implementar agentes autónomos con distintos algoritmos:
  • Búsqueda A* (heurística Manhattan)
  • Minimax con poda Alfa-Beta
  • Estrategias estocásticas Random
• Analizar el desempeño de cada estrategia.
• Visualizar la simulación en una interfaz gráfica interactiva.

---

🧩 Estructura del proyecto

GATO_RATÓN/ │ ├── assets/ # Imágenes de las piezas │ ├── gato.png │ ├── queso.png │ └── ratón.png │ ├── docs/ # Documentación del problema │ ├── resultados/ # csv de registros de resultados │ ├── resultados_detalle.csv │ ├── resultados_pairings_resumen.csv │ ├── resultados_partidas_detalle.csv │ └── resultados_partidas_resumen.csv │ ├── scr/ # Código fuente del proyecto │ ├── alg/ # Algoritmos de movimiento │ │ ├── alg_astar.py │ │ ├── alg_minimax.py │ │ ├── alg_random.py │ │ ├── alg_estudio.py │ │ └── alg_entrenamiento.py │ │ │ ├── config_small.py # Mapa pequeño (11 nodos) │ ├── config_big.py # Mapa grande (25 nodos) │ ├── modelado_juego.py # Motor gráfico base │ ├── simul_visual.py # Simulación automática con visualización (Pygame) │ ├── experimentos.py # Simulación sin interfaz para análisis estadístico │ └── test_astar.py # Prueba básica del algoritmo A* │ ├── main.py # Script para ejecutar una partida visual (puede ser manual/automática) ├── requirements.txt # Dependencias del proyecto ├── resultados.ipynb # Registro de resultados finales del Proyecto └── README.md # Este archivo

---

🚀 Instalación

1️⃣ Crear entorno virtual (opcional pero recomendado)

python -m venv .venv

2️⃣ Activar entorno

# Windows (PowerShell)
.venv\Scripts\Activate.ps1

# Linux / MacOS
source .venv/bin/activate

3️⃣ Instalar dependencias

pip install -r requirements.txt

---

▶ Ejecución de la simulación

Visual + automática (recomendado)

python -m scr.simul_visual

💡 Podés cambiar los algoritmos dentro del archivo:

MODO_GATO = "minimax"   # opciones: astar | minimax | random
MODO_RATON = "astar"    # opciones: astar | minimax | random

También es posible usar:

from scr.config_big import ...

para el tablero grande 🗺️

---

Modo estadístico (sin visual)

python -m scr.experimentos

Este modo imprime en consola el desempeño de los algoritmos.

---

Prueba mínima del A*

python -m scr.test_astar

---

🧠 Algoritmos implementados

Algoritmo	Agente	Descripción
A*	Gato / Ratón	Persigue objetivos en el grafo minimizando distancia
Minimax + Alfa-Beta	Gato / Ratón	Estrategia adversarial basada en juegos con dos agentes
Movimiento Random	Gato / Ratón	Exploración estocástica para evitar ciclos o atascos
Entrenamiento heurístico	Ratón	Ajuste por grid-search de pesos de heurística
BFS auxiliar	Ambos	Para calcular distancias reales en análisis

---

👩‍🔬 Créditos

Alexia Aurrecochea, Mercedes Barrutia, Sofía Craigdallie y Paula Blasco. Estudiantes de Ingeniería en Inteligencia Artificial y Ciencia de Datos Universidad Católica del Uruguay En el marco del curso de Algoritmos Avanzados de Búsqueda y Optimización. Supervisión: [📝 Ing.Michel Pedrera e Ing.Pío Dos Santos]