examples¶

.ipynb は下表のファイル名リンクから Google Colab でそのまま開いて実行できる（各ノートブック冒頭のリンクからも開ける）。ローカルで実行する場合は pip install jpoke 後に Jupyter で開く。

01_getting_started/¶

導入（jpokeを初めて使う）

ファイル	内容
`01_quick_start.ipynb`	`Player.battle_against()` / `Battle.play_out()` を使った最小構成のバトル実行
`02_step.ipynb`	`battle.step()` によるターン進行、3vs3バトル
`03_custom_player.ipynb`	`Player` を継承した最小のカスタム方策（`choose_command()` / `choose_selection()` のオーバーライド）
`04_lethal.ipynb`	`battle.calc_lethal()` による致死率計算（攻撃回数・致死確率）の基本
`05_cli_vs_ai.py`	`jpoke.players.CLIPlayer` を使い、標準入力でコマンドを入力しながら `jpoke.players.MaxDamagePlayer` と対戦する。対話入力のためColab非対応（`.py`）

AI開発（MinimaxPlayer を継承した木探索AIのカスタマイズ）

ファイル	内容
`01_evaluate.ipynb`	`evaluate()` のオーバーライドによる葉ノード（盤面）の評価方法のカスタマイズ
`02_fallback.ipynb`	`fallback()` のオーバーライドによる、探索できない局面での代替方策のカスタマイズ
`03_estimate_opponent.ipynb`	`estimate_opponent_team()` のオーバーライドによる、相手の未公開の技構成の毎ターン推定（型推定）と、それを踏まえた木探索
`04_configure_sim.ipynb`	`configure_sim()` のオーバーライドによる、探索中だけ命中率・ダメージ乱数を固定する決定論化

致死率・ダメージ計算

ファイル	内容
`01_multi_hit.ipynb`	連続技（ヒット数指定）の致死率計算
`02_multi_move.ipynb`	複数の技を組み合わせた（`moves=[...]`）加算ダメージの致死率計算
`03_merge_results.ipynb`	`LethalHitResult` どうしを足し合わせて複数の致死率計算結果を合成する方法
`04_direct_manipulation.ipynb`	HP・能力ランク・状態異常・揮発性状態・場の状態を直接操作してから致死率計算するシナリオ検証
`05_testing_helpers.ipynb`	`jpoke.testing` の `start_battle()` 等を使い、定型的なセットアップを短く書くショートカット

その他のトピック

ファイル	内容
`logcode.ipynb`	`LogCode` の種類の確認方法（`battle.get_event_logs(turn)` によるログ種別の抽出）
`poke_env_style_player.ipynb`	poke-env互換プロパティ（`battle.available_moves` 等）を使った `choose_command()` の実装
`pokedex.ipynb`	`Pokemon.data` を通した図鑑データ（持てる特性・覚えられる技など）の取得、ポケモン・アイテム・タイプの画像URL取得
`pokeapi_utility.ipynb`	`jpoke.utils.pokeapi` によるPokeAPIのURL取得（`get_pokeapi_url`等）・画像ダウンロード（`download_pokemon_image`等）

戦術研究（発展）

03,04 のみColab非対応（重い並列処理・ロールアウト処理のため）。 Windowsで日本語ログが文字化けする場合は PYTHONUTF8=1 を指定する。

ファイル	内容
`01_bulk_simulation.ipynb`	`Player.battle_against()` による多数回対戦・構成比較
`02_replay.ipynb`	`Battle.build_replay_data()` / `ReplayPlayer` / `replay_battle()` によるリプレイの記録・再生
`03_janken_nash_fictitious_play.py`	実バトルのモンテカルロ推定 + 反復最適反応（fictitious play）によるNash均衡（固定の混合戦略）の近似、`ProcessPoolExecutor` による並列化
`04_janken_nash_cfr.py`	`Battle.copy()` を使ったロールアウトベースのregret matching（CFR風）による、HP状況に応じた適応的な戦略の自己対戦学習

03,04 は対戦セットアップ等の共通処理を _janken_common.py（単独では実行しない内部ヘルパー）に切り出して共有している。

開発用（計算速度の計測）

ファイル	内容
`01_step_time_benchmark.py`	完全ランダムな3vs3全選出バトルを繰り返し実行し、`Battle.step()` 1回あたりの所要時間（mean ± σ）を計測。既定値は数分かかるため`--n-battles`等のコマンドライン引数で調整できる