Diferencias

Muestra las diferencias entre dos versiones de la página.

--- public:vj1231:arbolesdedecision:start [2026/10/06 10:01] – [Ejemplo] mperez
+++ public:vj1231:arbolesdedecision:start [2026/10/06 11:07] (actual) – [Árboles dirigidos por datos (data-driven)] mperez
@@ Línea 41: / Línea 41: @@
   * Visualizar y exportar el árbol como imagen o código.
-====== Componentes del árbol ======
+====== Enfoque Orientado a Objetos ======
+En el enfoque Orientado a Objetos (Nodos en Código) se crea la estructura del árbol en memoria. Se definen clases para los nodos (ej. ''NodoDecision'' para las condiciones y ''Hoja'' para las acciones). El árbol se construye instanciando y conectando estos objetos mediante código.
 ===== Clase NodoDecision =====
@@ Línea 85: / Línea 86: @@
 </code>
-{{ :public:vj1231:arbolesdedecision:decisiontreeexample.v2.tgz |}}
-====== Ejemplo ======
+===== Ejemplo =====
@@ Línea 93: / Línea 94: @@
 {{:public:vj1231:arbolesdedecision:arboles_npc.f1.png?1200|}}
+Los tres árboles de decisión representados en formato de texto serían:
-Puedes ver y ejecutar el ejemplo en este {{ :public:vj1231:arbolesdedecision:decisiontreeexample.v2.tgz | script de python}}
+### 🟢 NPC Normal
+es el más simple: solo decide entre perseguir o patrullar según si detecta al jugador.
+```
+¿ve_al_jugador?
+├─ Sí → Acción: seguir_jugador
+└─ No → Acción: patrullar_borde
+```
+### 🟠 NPC Tímido
+Es el más complejo (3 niveles de profundidad). Su comportamiento cambia drásticamente dependiendo de si está en "misión de alerta" (buscando al guardia para reportar la posición del jugador:
+   - Si **está en alerta**, prioriza su seguridad (huye hacia un guardia o completa un informe).
+   - Si **no está en alerta**, se comporta de forma más agresiva (inicia la alerta si el jugador está cerca, o lo sigue si está lejos).
+```
+¿en_mision_alerta?
+├─ Sí → ¿muy_cerca_guardia?
+│    ├─ Sí → Acción: irse_al_guardia
+│    └─ No → Acción: completar_informe
+└─ No → ¿ve_al_jugador?
+     ├─ Sí → ¿muy_cerca_jugador?
+     │    ├─ Sí → Acción: iniciar_mision_alerta
+     │    └─ No → Acción: seguir_jugador
+     └─ No → Acción: patrullar_borde
+```
+### 🔵 NPC Guardia
+tiene un comportamiento intermedio. Si no ve al jugador, actúa como un "investigador": va a la última posición reportada del jugador si tiene esa información, o vuelve a patrullar si no.
+```
+¿ve_al_jugador?
+├─ Sí → Acción: seguir_jugador
+└─ No → ¿tiene_posicion_reportada?
+     ├─ Sí → Acción: ir_a_posicion_reportada
+     └─ No → Acción: patrullar
+```
+Puedes ver y ejecutar el ejemplo en este {{ :public:vj1231:arbolesdedecision:decisiontreeexample.v3.py.tar.gz | script de python}}
+====== Árboles dirigidos por datos (data-driven) ======
+Es un caso muy similar al enfoque orientado a objetos, pero en este caso el árbol se define en un archivo de datos externo (como un JSON, XML o un formato binario personalizado). El juego carga este archivo en tiempo de ejecución (o en tiempo de carga) y un parser lo convierte en la estructura de Objetos mencionada en el enfoque anterior.
+Por ejemplo, el NPC tímido se representaria de esta forma
+<code json>
+{
+  "type": "decision",
+  "condition": "en_mision_alerta",
+  "true_branch": {
+    "type": "decision",
+    "condition": "muy_cerca_guardia",
+    "true_branch": {
+      "type": "action",
+      "action": "irse_al_guardia"
+    },
+    "false_branch": {
+      "type": "action",
+      "action": "completar_informe"
+    }
+  },
+  "false_branch": {
+    "type": "decision",
+    "condition": "ve_al_jugador",
+    "true_branch": {
+      "type": "decision",
+      "condition": "muy_cerca_jugador",
+      "true_branch": {
+        "type": "action",
+        "action": "iniciar_mision_alerta"
+      },
+      "false_branch": {
+        "type": "action",
+        "action": "seguir_jugador"
+      }
+    },
+    "false_branch": {
+      "type": "action",
+      "action": "patrullar_bc"
+    }
+  }
+}
+</code>
+y el código en python para leer el ''json'' y crear el árbol sería:
+<code python>
+def construir_arbol(nodo_json):
+    """
+    Lee un diccionario JSON y devuelve una instancia de NodoDecision o Hoja.
+    """
+    tipo = nodo_json.get("type")
+    if tipo == "action":
+        # Caso base: Es una hoja. Buscamos la función en el registro.
+        nombre_accion = nodo_json["action"]
+        funcion_accion = REGISTRO_ACCIONES[nombre_accion]
+        return Hoja(funcion_accion)
+    elif tipo == "decision":
+        # Caso recursivo: Es un nodo de decisión.
+        nombre_condicion = nodo_json["condition"]
+        funcion_condicion = REGISTRO_CONDICIONES[nombre_condicion]
+        nodo = NodoDecision(funcion_condicion)
+        # Construimos las ramas recursivamente
+        nodo.true_case = construir_arbol(nodo_json["true_branch"])
+        nodo.false_case = construir_arbol(nodo_json["false_branch"])
+        return nodo
+    else:
+        raise ValueError(f"Tipo de nodo desconocido: {tipo}")
+</code>
+y se construiría con
+<code python>
+    def crear_arbol(self, datos_json):
+        arbol = construir_arbol(datos_json)
+        return arbol
+</code>