ターン制マルチプレイヤービールゲーム
近い将来、システム思考のワークショップを開催する必要があるので、最初にビールゲームが必要です。
ビール ゲーム自体は、小売業者、卸売業者、販売業者、工場の 4 つのキャラクターで構成されています。物流の時間遅延の性質を通じてシステムの視点を理解し、システムの境界をより深く理解することができます。
これは数時間のワークショップであるため、このビールゲームは次の機能を満たすようにしたいと思います。
これはマルチプレイヤー ゲームです。
ビール ゲーム自体には、多くの参加者がサプライ チェーン内でさまざまな役割を果たしますが、複数のサプライ チェーンを同時に競争させて、誰がより高いスコアを獲得できるかを確認できるようにしたいと考えています。したがって、私たちは彼らのシステム戦略についても同時に知ることができます。
ゲームホストは全員のステータスを確認できる必要があります。
複数のチームが同時に競争しているため、ホストとして、各チームが現時点でどのように進歩し、得点しているかを確認できる必要があります。
ゲームの流れはシンプルでペースをコントロールしやすいものでなければなりません。
最初に述べたように、これは短いワークショップなので、全員をすぐに理解できるようにする必要があり、各ラウンドの詳細を制御できる必要があります。
さらに、各ラウンドの開始時にプレイヤーの UI にタイマーが表示され、カウントダウンによってゲームのペースが進みます。
キャラクターをカスタマイズできる。
古典的なビール ゲームは 4 人のキャラクターで構成されますが、キャラクターの数が増えるほど、ゲームは長くなります。なので、キャラクターを3人にした方が良いようにゲームペースを調整したいと思います。
調べてみたところ、オープンソース プロジェクトも、すでにオンラインになっているプロジェクトも、これらの要件を完全に満たすことはできないことがわかりました。だったら自分で作ったほうがいいです
ビールゲームプロジェクト
https://github.com/wirelessr/beer_game
ホスト UI
プレーヤー UI
プロジェクト全体はビジネス主導で開発され、90% 以上をカバーしてテストされていますので、お気軽にご利用ください。
備え
プロジェクトフォルダーにシークレット用のファイルを作成します。これを Dockerfile にコピーするのがわかります。
.streamlit/secrets.toml
[mongo] uri = "<your mongo connection>" [admin] key = "<your admin key>" [player] key = "<your player key>"
このプロジェクトは MongoDB を使用しているため、リンクにアカウントのパスワードを入力する必要があります。また、admin.key と player.key は UI 上のキーフィールドに対応します。
結局のところ、アプリをパブリック クラウドにアップロードするので、やはり基本認証メカニズムが必要です。ローカルでのみ実行していて、認証が面倒だと感じる場合は、対応するソース コードを削除できます。
インストールと使用
このプロジェクトには Dockerfile が添付されているため、docker で直接実行できます。
docker build -t beer_game . docker run --rm --name beer -p 8501:8501 beer_game
開発には、requiremnts.txt に加えて、単体テストを実行するrequirements-test.txt もインストールする必要があります。その後、Makefile を通じてすべての単体テストを実行できます。
pip install -r requiremnts.txt pip install -r requirements-test.txt make test
ゲームの流れ
ゲーム全体はホスト モードと参加者モードに分かれており、これらは UI の上隅にあるオプションに対応しています。
ホストは最初にゲームを作成するために game_id を割り当て、すべての参加者はこの ID を player_game に入力する必要があります。
同じサプライ チェーン上のすべてのプレーヤーは同じ player_id を使用する必要があるため、この ID はサプライ チェーン ID とも呼ばれ、同じ player_id を持つ参加者は player_role によってロールに分けられます。
参加者が参加すると、ホストの画面でステータスを確認できます。
ホストの観点から完全な反復がどのように見えるかを見てみましょう。
操作する必要があるすべてのコンポーネントはこの図にあり、各ターンは [更新] ボタンを押すことで開始され、[次週] を押すことで終了します。
このラウンドですべてのサプライチェーンに送信する注文の数については、注文の実行によってトリガーされます。
Place Order 自体は冪等であるため、番号を変更してもう一度押すと、最後の番号が使用されることに注意してください。各参加者のインターフェースの配置順序も冪等になります。
ホストが注文すると、ショッププレイヤーは注文を受けることができます。
同様に、サプライチェーンの各役割は、「更新」で始まり、「注文」で終わります。ショッププレーヤーがアクションを実行し、その後に小売業者プレーヤーが続きます。
最後にホストに戻り、もう一度 [更新] を押すとラウンドのすべてのステータスが表示され、[来週] を押すとラウンドが終了します。
ゲーム詳細
リフレッシュ中に実際に実行されることがいくつかあります。
- 4 週間前の注文に基づいて下流から在庫を補充します。
- 上流から注文を受け取ります。
- 販売できる在庫に基づいて販売額を決定します。
Place Order はべき等であるため、Refresh 自体もべき等です。
今後の取り組み
基本的には現時点での私のニーズをすべて満たしていますが、いくつかの機能強化の可能性があります。
たとえば、主催者は参加者全員のステータスを確認できますが、時間の経過に伴う在庫とコスト情報の変化を示すグラフがあれば、ゲーム終了後の振り返りに役立ちます。 .
さらに基本的な問題もあります。主に現在のゲーム フローが非常に単純であるため、現在の UI にはテスト範囲がまったくありません。 UI を数回クリックするだけですべての UI フローがカバーされるため、自動テストにはあまり依存していません。ただし、UI の変更がある場合は、やはり少し面倒なので、UI 単体テストを行った方がよいでしょう。
全体として、これらの要件は最適化されていますが、要件が欠けていても機能には影響しません。
追加のアイデアがある場合は、プル リクエストを送信することもできます。貢献は歓迎です。
以上がターン制マルチプレイヤービールゲームの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このチュートリアルでは、Pythonを使用してZIPFの法則の統計的概念を処理する方法を示し、法律の処理時にPythonの読み取りおよび並べ替えの効率性を示します。 ZIPF分布という用語が何を意味するのか疑問に思うかもしれません。この用語を理解するには、まずZIPFの法律を定義する必要があります。心配しないでください、私は指示を簡素化しようとします。 ZIPFの法則 ZIPFの法則は単に意味します。大きな自然言語のコーパスでは、最も頻繁に発生する単語は、2番目の頻繁な単語のほぼ2倍の頻度で表示されます。 例を見てみましょう。アメリカ英語の茶色のコーパスを見ると、最も頻繁な言葉は「thであることに気付くでしょう。

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find()、find_all()、select()、およびget_text()などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案(SEL

ノイズの多い画像を扱うことは、特に携帯電話や低解像度のカメラの写真でよくある問題です。 このチュートリアルでは、OpenCVを使用してPythonの画像フィルタリング手法を調査して、この問題に取り組みます。 画像フィルタリング:強力なツール 画像フィルター

データサイエンスと処理のお気に入りであるPythonは、高性能コンピューティングのための豊富なエコシステムを提供します。ただし、Pythonの並列プログラミングは、独自の課題を提示します。このチュートリアルでは、これらの課題を調査し、グローバルな承認に焦点を当てています

この記事では、深い学習のためにTensorflowとPytorchを比較しています。 関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。 特に計算グラップに関して、フレームワーク間の重要な違い

このチュートリアルでは、Python 3にカスタムパイプラインデータ構造を作成し、機能を強化するためにクラスとオペレーターのオーバーロードを活用していることを示しています。 パイプラインの柔軟性は、一連の機能をデータセットに適用する能力にあります。

Pythonオブジェクトのシリアル化と脱介入は、非自明のプログラムの重要な側面です。 Pythonファイルに何かを保存すると、構成ファイルを読み取る場合、またはHTTPリクエストに応答する場合、オブジェクトシリアル化と脱滑り化を行います。 ある意味では、シリアル化と脱派化は、世界で最も退屈なものです。これらすべての形式とプロトコルを気にするのは誰ですか? Pythonオブジェクトを維持またはストリーミングし、後で完全に取得したいと考えています。 これは、概念レベルで世界を見るのに最適な方法です。ただし、実用的なレベルでは、選択したシリアル化スキーム、形式、またはプロトコルは、プログラムの速度、セキュリティ、メンテナンスの自由、およびその他の側面を決定する場合があります。

Pythonの統計モジュールは、強力なデータ統計分析機能を提供して、生物統計やビジネス分析などのデータの全体的な特性を迅速に理解できるようにします。データポイントを1つずつ見る代わりに、平均や分散などの統計を見て、無視される可能性のある元のデータの傾向と機能を発見し、大きなデータセットをより簡単かつ効果的に比較してください。 このチュートリアルでは、平均を計算し、データセットの分散の程度を測定する方法を説明します。特に明記しない限り、このモジュールのすべての関数は、単に平均を合計するのではなく、平均()関数の計算をサポートします。 浮動小数点数も使用できます。 ランダムをインポートします インポート統計 fractiから
