ল্যাব র্যাট রেস: জেনেটিক অ্যালগরিদমের একটি অনুশীলন

Question

এটি পাক্ষিক চ্যালেঞ্জ # 3। থিম: জিনেটিক অ্যালগোরিদম

এই চ্যালেঞ্জটি কিছুটা এক্সপেরিমেন্ট। জেনেটিক অ্যালগোরিদম সহ আমরা চ্যালেঞ্জ অনুযায়ী কী করতে পারি তা আমরা দেখতে চেয়েছিলাম। সবকিছু অনুকূল হতে পারে না, তবে আমরা এটিকে অ্যাক্সেসযোগ্য করার জন্য যথাসাধ্য চেষ্টা করেছি। যদি এটি কার্যকর হয়, কে ভবিষ্যতে আমরা কী দেখতে পাব তা কে জানে। পার্বত্য জেনেটিক কিং হতে পারে?

বেশ দীর্ঘায়ু! আমরা অনুমানটিকে বেসিকগুলিতে আলাদা করার চেষ্টা করেছি - ফ্রেমওয়ার্কের সাথে খেলতে শুরু করতে এবং একটি উত্তর জমা দেওয়ার জন্য আপনার ন্যূনতম নূন্যতমটি জানতে হবে - এবং দ্য গরি বিবরণ - নিয়ামক সম্পর্কে সমস্ত বিবরণ সহ সম্পূর্ণ বিবরণ, যার ভিত্তিতে আপনি আপনার নিজের লিখতে পারে।
আপনার যদি কিছু প্রশ্ন থাকে তবে নির্দ্বিধায় আমাদের সাথে চ্যাটে যোগ দিন!

আপনি আচরণ মনোবিজ্ঞানের একজন গবেষক। এটি শুক্রবার সন্ধ্যা এবং আপনি এবং আপনার সহকর্মীরা কিছুটা মজা করার এবং আপনার ল্যাব ইঁদুরকে একটি ছোট ইঁদুর দৌড়ের জন্য ব্যবহার করার সিদ্ধান্ত নিয়েছেন। আসলে, আগে আমরা খুব আবেগের তাদের সংযুক্ত, তাদের কল দিন নমুনা ।

আপনি নমুনাগুলির জন্য একটি সামান্য রেস ট্র্যাক সেট আপ করেছেন এবং আরও আকর্ষণীয় করে তুলতে, আপনি ট্র্যাক জুড়ে কয়েকটি দেয়াল এবং ফাঁদ এবং টেলিপোর্টার রেখেছেন। এখন, আপনার নমুনাগুলি এখনও ইঁদুর ... তাদের ফাঁদ বা টেলিপোর্টার কী তা তাদের কোনও ধারণা নেই। তারা দেখেছে সমস্ত বিভিন্ন রঙের কিছু জিনিস। তাদের কোনও ধরণের স্মৃতি নেই - তারা যা করতে পারে তা তাদের বর্তমান পার্শ্ববর্তী অঞ্চলের উপর নির্ভর করে সিদ্ধান্ত নেওয়া। আমার ধারণা প্রাকৃতিক নির্বাচন এমন নমুনাগুলি বাছাই করবে যা জানে না এমন লোকদের থেকে কীভাবে ফাঁদ এড়ানো যায় (এই দৌড়টি কিছুটা সময় নিতে চলেছে ...)। খেলা শুরু করা যাক! ^†

^{এই চ্যালেঞ্জটি তৈরির ক্ষেত্রে, 84,465 টি নমুনা ক্ষতিগ্রস্থ হয়েছিল।}

অধিকার

এটি একটি একক প্লেয়ার গেম (আপনি এবং আপনার সহকর্মীরা জনসংখ্যাকে মিশ্রিত করতে চাননি তাই প্রত্যেকে প্রত্যেকে তাদের নিজস্ব রেস ট্র্যাক তৈরি করেছিল)। রেস ট্র্যাকটি একটি আয়তক্ষেত্রাকার গ্রিড, 15 কোষ লম্বা এবং 50 কোষ প্রশস্ত। আপনি বাম প্রান্তে (যেখানে x = 0 ) এলোমেলোভাবে (প্রয়োজনীয় স্বতন্ত্র নয়) কোষে 15 টি নমুনা দিয়ে শুরু করুন । আপনার নমুনাগুলি x ≥ 49 এবং 0 ≤ y ≤ 14 (যে নমুনাগুলি ডানদিকে ট্র্যাকটিকে ছাপিয়ে দিতে পারে) এ কোনও কক্ষের লক্ষ্যে পৌঁছানোর চেষ্টা করা উচিত । প্রতিবার এটি ঘটে, আপনি একটি পয়েন্ট পাবেন। আপনিও 1 পয়েন্ট দিয়ে খেলা শুরু করুন। 10,000 টি টার্নের পরে আপনার পয়েন্টগুলি সর্বাধিক করার চেষ্টা করা উচিত ।

একাধিক নমুনা একই কক্ষ দখল করতে পারে এবং ইন্টারঅ্যাক্ট করবে না।

প্রতিটি ঘুরে, প্রতিটি নমুনা তাদের আশেপাশের একটি 5x5 গ্রিড দেখতে (কেন্দ্রে নিজেই থাকে)। সেই গ্রিডের প্রতিটি ঘরে একটি রঙ থাকতে -1পারে 15। -1সীমার বাইরে থাকা সেলগুলি উপস্থাপন করে। আপনার নমুনাটি যদি সীমা ছাড়িয়ে যায় তবে মারা যায়। অন্য রঙগুলির জন্য, তারা খালি ঘর, ফাঁদ, দেয়াল এবং টেলিপোর্টারগুলি উপস্থাপন করে। তবে আপনার নমুনাটি জানে না কোন রঙটি আপনাকে কী এবং কোনটি উপস্থাপন করে। যদিও কিছু বাধা রয়েছে:

• 8 টি রঙ খালি সেলগুলি উপস্থাপন করবে।
• 4 টি রঙ একটি টেলিপোর্টারকে উপস্থাপন করবে। একটি টেলিপোর্টার নমুনাটি তার 9x9 আশেপাশের একটি নির্দিষ্ট কক্ষে প্রেরণ করবে। এই অফসেট একই রঙের সমস্ত টেলিপোর্টারদের জন্য এক হবে।
• 2 টি রঙ দেয়ালের প্রতিনিধিত্ব করবে। প্রাচীরের মধ্যে সরানো স্থির দাঁড়িয়ে থাকা সমান।
• 2 টি রঙ একটি ফাঁদ উপস্থাপন করবে। একটি ফাঁদ ইঙ্গিত করে যে এক তার অবিলম্বে আশেপাশে 9 কোষের প্রাণঘাতী (অগত্যা ফাঁদ নিজেই সেল) হয়। একই রঙের সমস্ত ফাঁদের জন্য এই অফসেটটি এক হবে।

এখন, প্রাকৃতিক নির্বাচন সম্পর্কে ... প্রতিটি নমুনার একটি জিনোম রয়েছে, যা 100 বিট সহ একটি সংখ্যা । দুটি বিদ্যমান নমুনা ক্রস-ব্রিডিংয়ের মাধ্যমে এবং পরে জিনোমকে সামান্য পরিবর্তন করে নতুন নমুনাগুলি তৈরি করা হবে। একটি নমুনা যত বেশি সফল, তার পুনরুত্পাদন করার সুযোগ তত বেশি।

সুতরাং আপনার কাজটি এখানে: আপনি একটি একক ফাংশন লিখবেন, যা কোনও নমুনা দেখায় এমন রঙের 5x5 গ্রিড এবং তার জিনোম হিসাবে ইনপুট হিসাবে গ্রহণ করবে। আপনার ফাংশনটি নমুনার জন্য একটি পদক্ষেপ (Δx, )y) ফিরিয়ে দেবে, যেখানে andx এবং Δy একে একে হবে {-1, 0, 1}। ফাংশন কলগুলির মধ্যে আপনাকে কোনও ডেটা বজায় রাখতে হবে না। এর মধ্যে আপনার নিজের র্যান্ডম নম্বর জেনারেটর ব্যবহার অন্তর্ভুক্ত রয়েছে। আপনার ফাংশনটি একটি বীজযুক্ত আরএনজি সরবরাহ করা হবে যা আপনি যেমন চান তেমন ব্যবহার করতে পারবেন are

আপনার জমা দেওয়ার স্কোর 50 এলোমেলো ট্র্যাক জুড়ে পয়েন্টগুলির সংখ্যার জ্যামিতিক গড় হবে mean আমরা দেখতে পেয়েছি যে এই স্কোরটি মোটামুটি বৈকল্পিকের সাথে সম্পর্কিত। সুতরাং, এই স্কোরগুলি প্রাথমিক হবে । এই চ্যালেঞ্জটি মারা যাওয়ার পরে একটি সময়সীমা ঘোষণা করা হবে। সময়সীমা শেষে, 100 টি বোর্ড এলোমেলোভাবে বেছে নেওয়া হবে এবং সমস্ত জমাটি এই 100 বোর্ডগুলিতে পুনরুদ্ধার করা হবে। আপনার উত্তরে একটি আনুমানিক স্কোর লাগাতে নির্দ্বিধায়, তবে কেউ যাতে প্রতারণা না করে তা নিশ্চিত করার জন্য আমরা প্রতিটি জমাটি স্কোর করব।

আমরা মুষ্টিমেয় ভাষায় কন্ট্রোলার প্রোগ্রাম সরবরাহ করেছি। বর্তমানে, আপনি পাইথন (2 বা 3), রুবি , সি ++ , সি # বা জাভাতে আপনার জমা লিখতে পারেন । নিয়ামক বোর্ডগুলি তৈরি করে, গেমটি চালায় এবং জেনেটিক অ্যালগরিদমের জন্য একটি কাঠামো সরবরাহ করে। আপনাকে যা করতে হবে তা হ'ল চলমান ফাংশন সরবরাহ করা।

অপেক্ষা করুন, তাই জিনোম নিয়ে আমি ঠিক কী করব?

চ্যালেঞ্জ যে খুঁজে বের করতে হয়!

যেহেতু নমুনাগুলির কোনও স্মৃতি নেই, তাই আপনি প্রদত্ত সমস্ত পরিবর্তনগুলি 5x5 গ্রিডের রঙ যা আপনাকে কোনও অর্থ দেয় না। সুতরাং লক্ষ্যে পৌঁছানোর জন্য আপনাকে জিনোম ব্যবহার করতে হবে। সাধারণ ধারণাটি হ'ল আপনি জিনোমের কিছু অংশ রঙ বা গ্রিড লেআউট সম্পর্কে তথ্য সঞ্চয় করতে ব্যবহার করেন এবং জিনোমে সঞ্চিত অতিরিক্ত তথ্যের উপর আপনার বট তার সিদ্ধান্তকে ভিত্তি করে।

এখন, আপনি অবশ্যই সেখানে ম্যানুয়ালি কোনও কিছুই সঞ্চয় করতে পারবেন না। সুতরাং সেখানে সঞ্চিত প্রকৃত তথ্য প্রাথমিকভাবে সম্পূর্ণ এলোমেলো হবে। তবে জেনেটিক অ্যালগরিদম শীঘ্রই সেই নমুনাগুলি নির্বাচন করবে যাদের জিনোমে সঠিক তথ্য রয়েছে যা ভুল তথ্য রয়েছে তাদের হত্যা করার সময়। আপনার লক্ষ্য হ'ল জিনোম বিট এবং আপনার ক্ষেত্রের দর্শন ক্ষেত্র থেকে চলাফেরার জন্য একটি ম্যাপিং সন্ধান করা যা আপনাকে লক্ষ্যটির দ্রুত পথ খুঁজে পেতে দেয় এবং যা ধারাবাহিকভাবে একটি বিজয়ী কৌশল হিসাবে বিকশিত হয়।

আপনাকে সূচনা করার জন্য এটি পর্যাপ্ত তথ্য হওয়া উচিত। আপনি যদি চান তবে আপনি পরবর্তী বিভাগটি এড়িয়ে যেতে পারেন এবং নীচের নীচের কন্ট্রোলারদের তালিকা থেকে আপনার পছন্দসই নিয়ন্ত্রকটি নির্বাচন করতে পারেন (এতে সেই নির্দিষ্ট নিয়ামকটি কীভাবে ব্যবহার করতে হয় সে সম্পর্কেও তথ্য রয়েছে)।

আপনি যদি সব চান তা পড়ুন ...

গোরীর বিবরণ

^{এই স্পেসিফিকেশন সম্পূর্ণ। সমস্ত নিয়ামককে এই নিয়মগুলি প্রয়োগ করতে হবে।}

সমস্ত এলোমেলোতা অভিন্ন বিতরণ ব্যবহার করে, অন্যথায় না বর্ণিত।

ট্র্যাক জেনারেশন:

• ট্র্যাকটি একটি আয়তক্ষেত্রাকার গ্রিড, এক্স = 53 কোষ প্রশস্ত এবং ওয়াই = 15 কোষ লম্বা। সঙ্গে সেল এক্স ≥ 49 হয় লক্ষ্য কোষ (যেখানে এক্স শূন্য ভিত্তিক)।
• প্রতিটি কক্ষের একক রঙ থাকে এবং তা প্রাণঘাতী বা নাও হতে পারে - কোষগুলি মারাত্মক নয় যদি না নীচের কোষের কোনও একটি দ্বারা নির্দিষ্ট করা হয়।
• এখানে 16 টি পৃথক ঘরের রঙ রয়েছে, যা থেকে লেবেল করা 0হয়েছে 15, যার অর্থ খেলা থেকে গেমে পরিবর্তিত হবে। তদুপরি, -1এমন কোষগুলির প্রতিনিধিত্ব করে যা সীমার বাইরে নয় - এগুলি প্রাণঘাতী ।
• 8 র্যান্ডম রঙ চয়ন করুন । এগুলি খালি সেল হবে (যার কোনও প্রভাব নেই)।
• আরও 4 টি এলোমেলো রঙ চয়ন করুন । এগুলি টেলিপোর্টাররা। এর মধ্যে দুটি রঙের জন্য, 9x9 পাড়ার ((-4, -4) থেকে (4,4) (0,0) বাদে একটি শূন্য-অফসেট বেছে নিন । অন্য দুটি রঙের জন্য, সেই অফসেটগুলি উল্টে দিন। যদি কোনও টেলিপোর্টারটিতে কোনও নমুনা পদক্ষেপ নেয় তবে তা অবিলম্বে সেই অফসেট দ্বারা সরানো হবে।
• আরও 2 টি এলোমেলো রঙ চয়ন করুন । এগুলি ফাঁদ। এই প্রতিটি বর্ণের জন্য, 3x3 পাড়াতে ((-1, -1) থেকে (1,1%) অফসেট চয়ন করুন। একটি ফাঁদ ইঙ্গিত দেয় যে অফসেটের ঘরটি প্রাণঘাতী । দ্রষ্টব্য: ট্র্যাপ সেল নিজেই মারাত্মক নয়।
• 2 অবশিষ্ট রং দেয়াল, যা আন্দোলন বাধা আছে। কোনও প্রাচীরের ঘরে সরে যাওয়ার চেষ্টা চালাচলাকে স্থির অবস্থায় রাখবে। ওয়াল সেলগুলি নিজেরাই মারাত্মক ।
• গ্রিডের প্রতিটি অ-লক্ষ্য কক্ষের জন্য, এলোমেলো রঙ চয়ন করুন। প্রতিটি লক্ষ্য কক্ষের জন্য একটি এলোমেলো খালি রঙ চয়ন করুন ।
• ট্র্যাকের বাম প্রান্তে প্রতিটি কক্ষের জন্য, লক্ষ্যটি 100 টি টার্নের মধ্যে পৌঁছানো যায় কিনা তা নির্ধারণ করুন ( নীচের দিকে টার্ন অর্ডার নিয়ম অনুসারে )। যদি তা হয় তবে এই ঘরটি একটি গ্রহণযোগ্য প্রারম্ভিক ঘর । যদি এখানে 10 টিরও কম কম ঘর থাকে তবে ট্র্যাকটি ফেলে দিন এবং একটি নতুন তৈরি করুন।
• তৈরি করুন 15 একটি র্যান্ডম জিনোম এবং বয়স সঙ্গে নমুনা, প্রতিটি 0 । প্রতিটি নমুনা একটি এলোমেলোভাবে শুরু কক্ষে রাখুন।

টার্ন অর্ডার:

1. নীচের পদক্ষেপগুলি প্রতিটি নমুনার জন্য, ক্রমে সম্পাদিত হবে। নমুনাগুলি একে অপরকে ইন্টারঅ্যাক্ট করে না বা দেখে না এবং একই ঘরটি দখল করতে পারে।
   1. নমুনার বয়স যদি 100 হয় তবে এটি মারা যায়। অন্যথায়, এর বয়স 1 দ্বারা বাড়ান।
   2. নমুনাকে তার ক্ষেত্রের দর্শন দেওয়া হয় - রঙের একটি 5x5 গ্রিড, নমুনাকে কেন্দ্র করে - এবং এর 3x3 পাড়ায় একটি স্থান পরিবর্তন করে। এই ব্যাপ্তির বাইরে চলাচল নিয়ন্ত্রণকারীকে সমাপ্ত করতে পারে।
   3. যদি লক্ষ্য ঘরটি একটি প্রাচীর হয়, তবে পদক্ষেপটি পরিবর্তন করা হবে (0,0)।
   4. যদি লক্ষ্য সেলটি টেলিপোর্টার হয় তবে নমুনাটি টেলিপোর্টারের অফসেট দ্বারা সরানো হবে। দ্রষ্টব্য: এই পদক্ষেপটি একবারে সম্পাদিত হয় , পুনরাবৃত্তভাবে নয়।
   5. নমুনা দ্বারা বর্তমানে অধিগ্রহণ করা ঘরটি (সম্ভাব্যভাবে একটি টেলিপোর্টার ব্যবহারের পরে) যদি প্রাণঘাতী হয় তবে নমুনাটি মারা যায়। এই শুধুমাত্র সময় নমুনা মরা (পৃথক্ পদক্ষেপ 1.1 থেকে। উপরে)। বিশেষত, একটি নতুন নমুনা যা মারাত্মক কোষে ছড়িয়ে পড়ে তা অবিলম্বে মারা যাবে না, তবে প্রথমে বিপজ্জনক কোষটি সরিয়ে নেওয়ার সুযোগ রয়েছে।
   6. যদি নমুনাটি একটি লক্ষ্য কক্ষ দখল করে, একটি বিন্দু স্কোর করে, নমুনাটিকে এলোমেলো শুরুর দিকে ঘুরান এবং তার বয়স 0 তে পুনরায় সেট করুন।
2. বোর্ডে যদি দু'টিরও কম নমুনা বাকি থাকে তবে খেলা শেষ হবে।
3. বয়স 0 এর সাথে 10 টি নতুন নমুনা তৈরি করুন । প্রতিটি জিনোম নীচে প্রজনন নিয়মের দ্বারা নির্ধারিত হয় (স্বতন্ত্র)। প্রতিটি নমুনা একটি এলোমেলোভাবে শুরু কক্ষে রাখুন।

প্রজনন:

• যখন একটি নতুন নমুনা তৈরি করা হবে তখন এলোমেলোভাবে দুটি স্বতন্ত্র পিতামাতার চয়ন করুন, নমুনার দিকে পক্ষপাত যা ডানদিকে আরও অগ্রগতি হয়েছে। কোনও নমুনা বাছাই করার সম্ভাবনা তার বর্তমান ফিটনেস স্কোরের সমানুপাতিক । একটি নমুনার ফিটনেস স্কোর হয়

  1 + x + 50 * সংখ্যক বার এটি লক্ষ্যে পৌঁছেছে

  যেখানে x হল 0-ভিত্তিক অনুভূমিক সূচক। একই পালা তৈরি করা নমুনাগুলি পিতামাতার হিসাবে বেছে নেওয়া যায় না।

• দুটি পিতা-মাতার মধ্যে, প্রথম জিনোম বিট নিতে এলোমেলো একটি বেছে নিন।

• এখন আপনি জিনোম ধরে চলতে চলতে, 0.05 এর সম্ভাব্যতা সহ পিতামাতাদের স্যুইচ করুন এবং ফলাফল প্রাপ্ত পিতামাতার কাছ থেকে বিট নিতে থাকুন।
• পুরোপুরি একত্রিত জিনোমকে একত্রে পরিবর্তন করুন: প্রতিটি বিটের জন্য এটি সম্ভাব্যতা 0.01 দিয়ে ফ্লিপ করুন ।

স্কোরের:

• একটি খেলা 10,000 টি পালা করে।
• খেলোয়াড়রা 1 পয়েন্ট (জ্যামিতিক গড় ব্যবহারের অনুমতি দেওয়ার জন্য) দিয়ে গেমটি শুরু করে।
• প্রতিবার যখন কোনও নমুনা লক্ষ্যে পৌঁছে যায়, প্লেয়ার একটি পয়েন্ট স্কোর করে।
• আপাতত, প্রতিটি খেলোয়াড়ের জমা দেওয়া 50 টি গেমের জন্য চালানো হবে , যার প্রতিটি একটি আলাদা এলোমেলো ট্র্যাক।
• উপরোক্ত পদ্ধতির ফলস্বরূপ কাঙ্ক্ষিতের চেয়ে বেশি বৈকল্পিকতা ঘটে। এই চ্যালেঞ্জটি মারা যাওয়ার পরে একটি সময়সীমা ঘোষণা করা হবে। শেষ সময়সীমা শেষে, 100 টি বোর্ড এলোমেলোভাবে বেছে নেওয়া হবে এবং সমস্ত জমাটি এই 100 বোর্ডগুলিতে পুনরুদ্ধার করা হবে।
• একজন খেলোয়াড়ের সামগ্রিক স্কোর এই পৃথক গেমের স্কোরের জ্যামিতিক গড় ।

নিয়ন্ত্রণকারীরা

আপনি নীচের যে কোনও কন্ট্রোলার বেছে নিতে পারেন (কারণ তারা কার্যত সমতুল্য)। আমরা এগুলির সবগুলি পরীক্ষা করেছি, তবে আপনি যদি কোনও বাগ চিহ্নিত করেন, কোড বা কার্য সম্পাদন করতে চান বা গ্রাফিকাল আউটপুট এর মতো বৈশিষ্ট্য যুক্ত করতে চান তবে দয়া করে কোনও সমস্যা উত্থাপন করুন বা গিটহাবের উপর একটি টান অনুরোধ প্রেরণ করুন! আপনি অন্য ভাষায় একটি নতুন নিয়ামক যুক্ত করতে স্বাগত!

গিটহাবের সঠিক ডিরেক্টরিতে প্রতিটি নিয়ামকের জন্য ভাষার নামটি ক্লিক করুন, যেখানে README.mdসঠিক ব্যবহারের নির্দেশাবলী রয়েছে।

আপনি যদি গিট এবং / অথবা গিটহাবের সাথে পরিচিত না হন তবে আপনি প্রথম পৃষ্ঠাগুলি থেকে জিপ হিসাবে পুরো সংগ্রহশালাটি ডাউনলোড করতে পারেন (সাইডবারের বোতামটি দেখুন)।

পাইথন

• সর্বাধিক পুঙ্খানুপুঙ্খভাবে পরীক্ষা করা হয়েছে। এটি আমাদের রেফারেন্স বাস্তবায়ন।
• পাইথন 2.6+ এবং পাইথন 3.2+ উভয় নিয়েই কাজ করে!
• এটা খুব ধীর। আমরা এটি যথেষ্ট গতির জন্য পিপাই দিয়ে চালানোর পরামর্শ দিই ।
• হয় pygameবা ব্যবহার করে গ্রাফিকাল আউটপুট সমর্থন করে tkinter।

চুনি

• রুবি ২.০.০ এর সাথে পরীক্ষিত। নতুন সংস্করণ সঙ্গে কাজ করা উচিত।
• এটি মোটামুটি ধীরগতিতে হলেও রুবি জমা দেওয়ার জন্য কোনও ধারণা প্রোটোটাইপ করার জন্য সুবিধাজনক হতে পারে।

সি ++

• সি ++ 11 প্রয়োজন।
• Ptionচ্ছিকভাবে মাল্টিথ্রেডিং সমর্থন করে।
• গুচ্ছের মধ্যে দ্রুততম নিয়ামক।

সি শার্প

• লিনকুই ব্যবহার করে, সুতরাং এটি নেট। 3.5 প্রয়োজন।
• বরং ধীর।

জাভা

• বিশেষ ধীর নয়। বিশেষত দ্রুত নয়।

প্রাথমিক লিডারবোর্ড

সমস্ত স্কোর প্রাথমিক। তবুও, যদি কিছু স্পষ্টত ভুল হয় বা পুরানো হয় তবে দয়া করে আমাকে জানান know আমাদের উদাহরণ জমা দেওয়ার তুলনা করার জন্য তালিকাভুক্ত করা হয়েছে, তবে বিতর্ক নয়।

  Score   | # Games | User               | Language   | Bot           
===================================================================================
2914.13   |   2000  | kuroi neko         | C++        | Hard Believers
1817.05097|   1000  | TheBestOne         | Java       | Running Star
1009.72   |   2000  | kuroi neko         | C++        | Blind faith
 782.18   |   2000  | MT0                | C++        | Cautious Specimens
 428.38   |         | user2487951        | Python     | NeighborsOfNeighbors
 145.35   |   2000  | Wouter ibens       | C++        | Triple Score
 133.2    |         | Anton              | C++        | StarPlayer
 122.92   |         | Dominik Müller     | Python     | SkyWalker
  89.90   |         | aschmack           | C++        | LookAheadPlayer
  74.7    |         | bitpwner           | C++        | ColorFarSeeker
  70.98   |   2000  | Ceribia            | C++        | WallGuesser
  50.35   |         | feersum            | C++        | Run-Bonus Player
  35.85   |         | Zgarb              | C++        | Pathfinder
 (34.45)  |   5000  | Martin Büttner     | <all>      | ColorScorePlayer
   9.77   |         | DenDenDo           | C++        | SlowAndSteady
   3.7    |         | flawr              | Java       | IAmARobotPlayer
   1.9    |         | trichoplax         | Python     | Bishop
   1.04   |   2000  | fluffy             | C++        | Gray-Color Lookahead

ক্রেডিট

এই চ্যালেঞ্জটি একটি বিশাল সহযোগী প্রচেষ্টা ছিল:

• নাথান মেরিল: পাইথন এবং জাভা কন্ট্রোলার লিখেছেন। কিং-অফ-হিল থেকে চ্যালেঞ্জ ধারণাটি রেট রেসে পরিণত করেছে।
• ট্রাইকোপ্লেক্স: প্লেস্টেস্টিং। পাইথন নিয়ামকের উপর কাজ করে।
• ফেয়ারসাম: সি ++ নিয়ামক লিখেছিলেন।
• ভিজ্যুমেলন: সি # নিয়ামক লিখেছিলেন।
• মার্টিন বাটনার: ধারণা। লিখেছেন রুবি নিয়ামক। Playtesting। পাইথন নিয়ামকের উপর কাজ করে।
• টি আব্রাহাম: প্লেস্টেস্টিং। পাইথন পরীক্ষা করেছে এবং সি # এবং সি ++ নিয়ামক পর্যালোচনা করেছে।

উপরের সমস্ত ব্যবহারকারী (এবং সম্ভবত আরও কয়েকজন আমি ভুলে গেছি) চ্যালেঞ্জের সামগ্রিক নকশায় অবদান রেখেছি।

সি ++ নিয়ামক আপডেট

আপনি যদি ভিজ্যুয়াল স্টুডিও এবং মাল্টিথ্রেডিংয়ের সাথে সি ++ ব্যবহার করছেন তবে আপনার সর্বশেষতম আপডেটটি পাওয়া উচিত কারণ তাদের এলোমেলো নম্বর জেনারেটর সিডিং সহ একটি বাগ রয়েছে যা সদৃশ বোর্ড তৈরি করতে দেয়।

Comments

এই সমস্যার জন্য সর্বোত্তম জেনেটিক অ্যালগরিদম সন্ধান করার জন্য কেউ কি কোনও জেনেটিক জেনেটিক অ্যালগরিদম তৈরি করতে পারে না?

— mbomb007

@ anon3202 ওয়েল, এটি অবশ্যই আপনাকে ট্র্যাক লেআউট সম্পর্কে আরও তথ্য দেবে যেহেতু আপনি কোথায় আছেন সে সম্পর্কে আপনি অনুমান করতে পারেন। মূলত, আমরা বটগুলির জন্য ইন্টারফেসটি সহজ রাখতে চেয়েছিলাম এবং এটিকে একটি সম্পূর্ণ স্থানীয় সমস্যা হিসাবে তৈরি করতে চেয়েছিলাম, যেখানে আপনার বিশ্বব্যাপী অগ্রগতির জন্য কোন স্থানীয় সমাধান সবচেয়ে উপকারী তা শেখার জন্য আপনার জিনোমের প্রয়োজন হবে।

— মার্টিন এন্ডার

@ মেটোভিচ গরি বিশদ বিবরণ (সম্পূর্ণ স্পেস) এর টার্ন অর্ডার বিভাগের 5 নং অংশটি দেখুন :'In particular, a new specimen which spawns on a lethal cell will not die immediately, but has a chance to move off the dangerous cell first.'

— ট্রাইকোপলাক্স

আমি নমুনা গড়, স্টডিডিভ, স্ট্ডার এবং 99% কনফ-ইন্টারভেল (আপনার "জ্যামিতিক" লগ / এক্সপ্রেসের আগে) দেখানোর জন্য সি ++ কোডটি টিক করেছি এবং একটি চমকপ্রদ আবিষ্কার করেছি। "অন্ধ বিশ্বাস" উত্তরের "নমুনা গড়ের 116529 + - 2.78337e + 010 (99%) স্টডিডেভ = 7.77951e + 010" 50 রান করার পরে। "আত্মবিশ্বাসের ব্যবধান 50% এ ফেলে দেওয়া বিষয়টি মোটেই উন্নত করে না। জ্যামিতিক গড় যদিও স্থিতিশীল ছিল: "159.458 এর গড় - 117262 (99%) স্টডিডেভ = 32.6237" (তার 800-স্কোর আপডেটের আগে)

— 16:48

আমি মিউটেশন রেট নিয়ে কিছু পরীক্ষা করেছি এবং আমি মনে করি যে সম্ভাবনাটি .01 থেকে .0227 পর্যন্ত উত্থাপিত হলে চ্যালেঞ্জটি আরও আকর্ষণীয় হবে (এবং নিয়ন্ত্রণকারীরা আরও দ্রুত চালাবেন), যা ডিএনএকে কেবলমাত্র 10% সম্ভাবনা দেয়! বর্তমান মান সহ 37% এর পরিবর্তে রূপান্তর অপরিবর্তিত। এটি হাস্যকর জনসংখ্যা বিস্ফোরণ এড়ায় (যার ফলে প্রচুর গণনার সময় সাশ্রয় হয়) এবং অপর্যাপ্ত বৈচিত্র্যের কারণে প্রচুর ব্যর্থতা রোধ করে। স্বতন্ত্র স্কোর কম, তবে যেহেতু আরও বেশি রান বিজয়ী উত্পাদন করে, তাই বিশ্বব্যাপী গড় বাড়তে থাকে।

Answer 1

অন্ধ বিশ্বাস - সি ++ - মনে হয় 2000 রানের বেশি 800 (!) এর উপরে score

একটি রহস্যময় ট্র্যাক প্রতিক্রিয়া এবং একটি কার্যকর প্রাচীর-ব্যাং প্রতিরোধক সহ রঙিন কোডিং জিনোম

#include "./gamelogic.cpp"

#define NUM_COLORS 16

// color meanings for our rats
typedef enum { good, bad, trap } colorType_t;
struct colorInfo_t {
    colorType_t type;
    coord_t offset; // trap relative location
    colorInfo_t() : type(good) {} // our rats are born optimists
};

// all 8 possible neighbours, carefully ordered
coord_t moves_up  [] = { { 1, 0 }, { 1,  1 }, { 1, -1 }, { 0,  1 }, { 0, -1 }, { -1, 0 }, { -1,  1 }, { -1, -1 } };  // toward the goal, going up   first
coord_t moves_down[] = { { 1, 0 }, { 1, -1 }, { 1,  1 }, { 0, -1 }, { 0,  1 }, { -1, 0 }, { -1, -1 }, { -1,  1 } };  // toward the goal, going down first

// map of the surroundings
struct map_t {
    static const size_t size = 5;
    static const int max = size / 2;
    static const int min = -max;
    colorType_t map[size*size];
    colorType_t & operator() (int x, int y) { return map[(x + max)*size + y + max]; }
    colorType_t & operator() (coord_t pos) { return operator()(pos.x, pos.y); }
    bool is_inside(int x, int y) { return abs(x) <= max && abs(y) <= max; }
    bool is_inside(coord_t pos) { return is_inside(pos.x,pos.y); }
};

// trap mapping info
struct trap_t {
    coord_t detector;
    colorInfo_t color;
    trap_t(int x, int y, colorInfo_t & color) : color(color) { detector.x = x; detector.y = y; }
    trap_t() {}
};

coord_t blindFaith(dna_t d, view_t v)
{
    colorInfo_t color[NUM_COLORS]; // color informations

    // decode colors
    for (size_t c = 0; c != 16; c++)
    {
        size_t base = c * 4;
        if (d[base])
        {
            color[c].type = d[base+1] ? good : bad;
        }
        else // decode trap location
        {
            color[c].type = trap;
            int offset = d[base+1] + 2 * d[base+2] + 4 * d[base+3];
            color[c].offset = moves_up[offset]; // the order is irrelevant as long as all 8 neighbours are listed
        }
    }

    // build a map of the surrounding cells
    map_t map;
    unsigned signature = 0;
    int i = 0;
    for (int x = map.min; x <= map.max; x++)
    for (int y = map.min; y <= map.max; y++)
    {
        int c = v(x, y);
        map(x, y) = (c == -1) ? bad : color[c].type;
        if (c != -1) signature ^= v(x, y) << ((i++) % 28);
    }

    // map traps
    for (int x = map.min; x <= map.max; x++)
    for (int y = map.min; y <= map.max; y++)
    {
        if (map(x, y) != trap) continue;
        const colorInfo_t & trap = color[v(x, y)];
        int bad_x = x + trap.offset.x;
        int bad_y = y + trap.offset.y;
        if (!map.is_inside(bad_x, bad_y)) continue;
        map(bad_x, bad_y) = bad;
        map(x, y) = good;
    }

    // pick a vertical direction according to surroundings signature
    int go_up = d[64 + signature % (DNA_BITS - 64)];

    // try to move to a good cell nearer the goal
    for (const coord_t &move : go_up ? moves_up : moves_down) if (map(move.x, move.y) == good) return move;

    // try not to increase fitness of this intellectually impaired specimen
    return{ -1, 0 };
}

int main() {
    time_t start = time(NULL);
    double score = runsimulation(blindFaith);
    slog << "Geometric mean score: " << score << " in " << time(NULL) - start << " seconds";
}

নমুনা ফলাফল:

Scores: 15 4113306 190703 1 1 44629 118172 43594 63023 2 4 1 1 205027 1 455951 4194047 1 5 279 1 3863570 616483 17797 42584 1 37442 1 37 1 432545 5 94335 1 1 187036 1 4233379 1561445 1 1 1 1 35246 1 150154 1 1 1 1 90141 6 1 1 1 26849 1 161903 4 123972 1 55 988 7042063 694 4711342 90514 3726251 2 1 383389 1 593029 12088 1 149779 69144 21218 290963 17829 1072904 368771 84 872958 30456 133784 4843896 1 2 37 381780 14 540066 3046713 12 5 1 92181 5174 1 156292 13 1 1 29940 66678 125975 52714 1 5 3 1 101267 69003 1 1 10231 143110 282328 4 71750 324545 25 1 22 102414 1 3884626 4 28202 64057 1 1 1 1 70707 4078970 1623071 5047 1 1 549040 1 1 66 3520283 1 6035495 1 79773 1 1 1 218408 1 1 15 33 589875 310455 112274 1 1 4 1 3716220 14 180123 1 2 12785 113116 12 2 1 59286 822912 2244520 1840950 147151 1255115 1 49 2 182262 109717 2 9 1049697 59297 1 11 64568 1 57093 52588 63990 331081 54110 1 1 1537 3 38043 1514692 360087 1 260395 19557 3583536 1 4 152302 2636569 12 1 105991 374793 14 3934727 1 2 182614 1 1675472 121949 11 5 283271 207686 175468 1 1 173240 1 138778 1 1 59964 3290382 1 4 1757946 1 23520 1 2 94 1 124577 497071 1749760 39238 1 301144 3 1 2871836 1 1 10486 1 11 8 1 111421 11 1807900 1 587479 1 42725 116006 3 1 6 5441895 1 1 22 52465 952 1 18 1 1 46878 2 1 1 1994 4 593858 123513 4692516 820868 4247357 1 1 2 1 2 8770 2 1 95371 4897243 2 22741 1 1 1 1 325142 6 33650 4 51 102993 1 182664 1 4040608 18153 2045673 462339 1 1 617575 2 2551800 3 7760 1 108012 76167 143362 1148457 1 53460 1 71503 1 1 1 1 81482 3208 62286 69 139 1 3503941 1 253624 101903 3081954 80123 84701 9 16 1 1070688 71604 613064 2076 15009 9 1 1 1 199731 1 2 1 63132 1 1843855 27808 1 3569689 273144 1 460524 2703719 22443 10876 51242 1 6972678 4591939 1 140506 43981 45076 2 1 91301 5 1 1874615 1758284 608 13 1 96545 75161 1 618144 4 2056133 1 1 2 57401 1394307 6 188116 83545 1 41883 1 1 467189 371722 1 1122993 1 17912 159499 1 5 3355398 33 1 2 246304 1 2 168349 1 50292 12 141492 2723076 3 1 6 3060433 223360 171472 106409 1 2 1 102729 8814 1 285154 1 11 1 65 930 2 689644 3271116 1 5 4 60 77447 1 1 1477538 256023 100403 2480335 1 39888 1 1 70052 66090 1 250 1 2 8 115371 1523106 1424 168148 1 1 1 42938 17 1 364285 185080 1 1 36 4903764 13 51987 1106 276212 67460 1 251257 2 6867732 1 1 1890073 1 1 8 5 2118932 210 0 3792346 5209168 1 1 1 1 51 1 4621148 1 37 337073 3506096 1 1 1 1 458964 2 16 52930 1 15375 267685 1 1 1259646 14930 3248678 527105 1 103 24 1 3252685 6009 1 1 176340 3971529 121 1722808 1 31483 194232 2314706 95952 3625407 3 216755 56 1 8 1 1 1 1 885 229 9056 172027 31516 2526805 1 76076 1589061 1 1 8 90812 1 21 72036 1681271 2 212431 1581814 85993 79967 4 7 514708 1070070 1 71698 1 23478 15882 94453 1 27382 495493 277308 12127 91928 248593 1 1 1 26540 1709344 2119856 1 1 48867 107017 251374 64041 15924 15 87474 8 1 23 9 48 1 1 1 51793 2 61029 84803 15 689851 1 1 873503 10 140084 420034 87087 82223 1 163273 12 1 5 570463 19 26665 1 170311 1 39983 1 475306 1 2 36417 746105 11 141345 1 3 1 30 3 1 1 1 1 1312289 408117 1 42210 273871 561592 1 1 1 1 4448568 48448 7 378508 1 351858 278331 1 79515 1169309 3670107 14711 4686395 1156554 33 2528441 24537 76 335390 63545 122108 76675 21929 34 1 861361 83000 417781 1 90487 1 1 85116 7 2 1 60129 647991 79 1 2755780 726845 244217 50007 187212 1 3674051 286071 44068 3 307427 26973 1 26059 1957457 230783 58102 545318 1 4 172542 168365 1 89402 1 4 1 1 1 1 2 3 16 62935 5643183 117961 109942 85762 5 117376 118883 1 61 23893 122536 70185 1 64252 208409 179269 55381 1579240 3434491 1 4964284 3356245 3 21 2197119 346542 44340 59976 772220 5590844 199721 90858 63785 125989 57219 129737 81836 1 3671 16810 1 4151040 1 15 40108 1 443679 3224921 2 27498 2 3 146529 169409 19 1 1 1 1 41627 1 3 2722438 1 2013730 1 1649406 1 1 6943 125772 58652 1 1 1 2413522 1 2 48 36067 253807 2 146464 1 248 07 3359223 139896 395985 65241 43988 594638 69033 275085 1 17973 1 1 1 594835 1 1 4468341 3496274 222854 94769 55 161056 36185 8793 277592 3 1 6746 1 138151 66 37365 1 2729315 1 3 57091 22408 249875 246514 85058 1 20 5463152 1 3 1 45293 1 70488 2792458 461 441 951926 2236205 2 171980 1 1 48 3893009 1 458077 1 268203 1 70005 7 19299 1 278978 1 45286 26 2 1883506 274393 342679 1 1 913722 911600 12688 1 1 115020 1249307 1529878 53426 1 226862 3721440 23537 86033 397433 1 1 1 161423 96343 94496 1 1 1 2 1 111576 1 4039782 1 1 1 5742393 3569 46072 1 1 2 1 1 85335 219988 1 78871 115876 43405 1 300835 1 166684 53134 1 3 111487 6 3 3 77 1 115971 3 205782 10 1932578 356857 43258 47998 1 27648 127096 573939 32650 523906 45193 1 2 128992 1 10144 1 257941 1 19841 5077836 14670 5 3 6 1 1 21 14651 2906084 37942 45032 9 304192 3035905 6214026 2 177952 1 51338 1 65594 46426 553875 2676479 245774 95881 3 216364 3064811 1198509 223982 3 6 1 533254 1 590363 264940 68346 127284 1 7 1 1 4617874 5 45400 1 1 3097950 360274 1 3 1 8421 14 469681 418563 3 1 6 1 1 575766 405239 11 2631108 152667 1 1 1 467383 1 1 775499 1 157998 2 1 143351 92021 1 1 1173046 3636579 1 70635 162303 1 1534876 834682 2 1 1 11981 346908 245124 607794 17 1570641 126995 13 57050 1 2 33731 29739 1 1 35460 1 33716 168190 214704 1 443156 701674 2636870 108081 1604895 1 1 11 115901 23 571891 360680 1 1 35 1 2036975 1 1 2555536 4742615 5 360553 287044 1 1814255 7 59632 1 216 41546 1 540920 353424 2625301 223744 1 1 1 15717 3 429871 1 4 2329632 18 11 1 2 4 1 3905 5 1 1 1 2 5431442 1 859628 1 3 338378 15236 13764 1 3384362 1 15 65293 24 619599 152620 2 189921 35854 16647 7 2 404790 360096 1 2 189459 1097768 191610 1 1 470254 1 12 2 330299 364219 2365542 312023 2273374 2 10527 1 115453 1 2 3845592 52388 913449 1 14695 1 44 37352 90302 1 1 1 233577 51639 3474983 44010 1650727 31 2 2 1 8 7 1 3 5 25603 17799 45630 758457 1 4571839 37 4 3 2 1 1 1351271 196673 12 2880765 263886 2926173 1 2 1 241502 5 6 1 278576 9 7 290722 42749 143391 82753 21771 57887 1 1 60400 1766903 1 296392 1 5 2861787 125560 1 9 199218 1 1 308226 517598 2246753 12 1168981 3 98447 1 488613 9 842865 202108 10 1 238493 1 1523706 5383982 29435 1 1 207071 1 8 4 125742 70531 253135 72207 124291 23364 184376 2 40034 9569353 194109 102854 2 3247153 58313 85995 1 598 63 1 2676692 10 3573233 1 36651 118016 2486962 65456 46760 1 5813 723 178120 2 153305 1 1 2 1 2354413 3 1 17126 132953 437123 299778 3070490 1 6490 403704 2261 511439 1 39 33410 173045 1 1 120970 641346 132042 1 44906 1 33940 132124 467702 45472 9 44 1 1 1 107008 1 46635 1 121431 130760 1 7 3 1 56251 1299306 3 1 1 1 15 2147678 215169 1374943 1 332995 231089 269310 1 7816944 1 1 1 46 134426 1 1 1 2 76112 1 1 30438 299927 25 139373 76048 278757 71 3474997 1 294046 1 3126554 2518019 2 1 6 1 3054393 1 1 1 2 525 96 419528 1 1 154718 233 207879 26 1 6 57436 3 5944942 1 1 318198 147536 1 22 420557 1 1 120938 1 1 167412 4082969 73299 1 11 3557361 1 4 330028 269051 1 2569546 2 1 1 4 1 1 377412 1 1 1 213800 58131 1422177 54 109617 117751 12432 3830664 419046 3 6821 741 919 1 22335 1 1 15069 80694 488809 2389 2308679 145548 51411 115786 110984 107713 1 12 6 1 5 8365 1 2001874 210250 4674015 14 1 1204101 314354 89066 1 1 2438200 68350 1 1575329 5593838 2743787 151670 57 16 5948210 597158 128060 189160 23628 1 1 15 4171774 1 8206 4157492 1 2 315607 1618680 24736 18520 4787225 33842 134431 1 1 1 1 1 1115809 17759 1 33016 123117 1 77322 169633 219091 1 321593 57231 135536 175401 4 1 435702 1 253132 100707 114547 1 119324 6382967 1472898 3 72567 1707408 177958 26 208719 1 27083 74 12 576410 19375 177069 4 3 1 31 507048 2 1 1 2 1 2 1 40 7 99892 95202 60649 241396 232370 1 136579 70649 1 2877 280695 13603 102860 404583 29717 112769 1 54089 1 97579 40819 2 868629 64848 2 63432 5 1 1888426 99623 2 1 7911 53646 3047637 1 2 3 152910 1 3244662 105187 1 1 1 1 8966 200347 1 1 22 302654 6 17 1 10 328150 55259 1016 117291 2 1 224524 23846 74645 1 1 1 1 1 3117394 10847 33976 144613 4 201584 1 1 26959 3 4410588 27019 6 66749 55935 23 4126812 4089989 99959 1 1 1 1 55490 1 4275599 13652 33967 2 8126062 337093 320653 128015 4 1 7729132 1 10594 116651 20990 3046630 1 353731 132989 2066431 4 80 15575 147430 1 621461 3100943 2306122 5 33439 407945 25634 1 2911806 32511 2174235 298281 15159 54125 1 2 3063577 2205013 1 407984 1 319713 1 22171 1 2763843 1 2607606 1 100015 3096036 1 55905 1 1 635265 2890760 1 1 1 1 35854 1 352022 2652014 1 2 274366 1 4 1 602980 4 83828 602270 2816 2 59116 25340 1 11 1 5162051 34 8 218372 1186732 142966 1 1 170557 503302 1 84924 5 1 1350329 1 1 1 130273 78055 902762 1 8581 5 1 3635882 1 1 1 224255 44044 61250 2 438453 8 1 2729357 28 1 17658 82640 1 31809 10 1 33 1 1 45495 5798 5000217 40018 588787 67269 1 12 83512 2798339 1 609271 1 3 1 7 67912 189808 3388775 60961 81311 1167 24939 433791 405306 85934 1 1170651 2 1 66 552579 122985 515363 2188340 1 1 1 3807012 1502582 4 13 149593 1 1 2108196 3 34279 24613 1282047 27 1 2 1 1 584435 27487 1 1 5 33278 1 1 1202843 1 1 1 6 3649820 3100 2 266150 13 164117 10 53163 3295075 1 1 1 1 77890 1 286220 90823 18866 3139039 481826 1 3994676 23 116901 132290 6 3927 84948 1 1 1 1 256310 1 11 8 1 102002 8392 887732 98483 444991 1 1 49408 409967 1158979 1 1 1 81469 189764 3960930 296231 64258 1 1 176030 4 1 2 1 486856 1 1135146 31 2 13112 227077 31
Geometric mean score: 831.185 in 14820 seconds

ফেয়ারসামের অবাঞ্ছিতভাবে দীর্ঘ পরীক্ষার ভিত্তিতে, আমি 2000 রেক হিসাবে গ্রহণযোগ্যভাবে স্থিতিশীল ফলাফল তৈরির জন্য যথেষ্ট।
যেহেতু আমার সংশোধিত নিয়ন্ত্রক প্রতিটি জয়ের পরে বর্তমান জ্যামিতিক গড় প্রদর্শন করে, আমি দৃশ্যত নিশ্চিত করেছিলাম যে শেষ 50 রানের পার্থক্য তুলনামূলকভাবে কম (+ - 10 পয়েন্ট) ছিল।

এই সমালোচকদের কী টিকটিক করে তোলে?

প্রতিটি বর্ণকে সমান অগ্রাধিকার দেওয়ার পরিবর্তে আমি এই সম্ভাব্য মানগুলি বিবেচনা করি:

1. ভাল -> ইঁদুর মনে করে যে এটি নিরাপদে সেখানে যেতে পারে
2. খারাপ -> ইঁদুর সেখানে যাবে না
3. ফাঁদ -> ইঁদুর ফাঁদ অবস্থান বিবেচনা করব খারাপ এবং সেল ফাঁদ ইঙ্গিত ভাল ।
   যদিও আমি এর নাম পরিবর্তন করতে খুব অলস, এটি একটি "বিপদ সনাক্তকারী" যা প্রকৃত ফাঁদ, প্রাচীর, একটি টেলিপোর্টারকে অপ্রত্যাশিত জায়গায় বা এমনকি কোনও মৃত ব্যক্তির প্রবেশদ্বারে প্রেরণ করতে অপেক্ষা করছিল এমন একটি প্রকৃত ফাঁদ (অনুমিত) অবস্থান নির্দেশ করে -শেষ. সংক্ষেপে, এমন একটি জায়গা যেখানে কোনও বুদ্ধিমান ইঁদুর না যায়।

ভাল বা খারাপ জিনগুলি কেবলমাত্র 2 বিট সংরক্ষণ করতে (উদাহরণস্বরূপ 11এবং 10) নেয় তবে ফাঁদে 4 বিট লাগে ( 0tttযেখানে tttসম্ভাব্য 8 "বিপজ্জনক" অবস্থানগুলির মধ্যে একটি উপস্থাপন করে)।

প্রতিটি জিনের সামঞ্জস্যপূর্ণ (অর্থাত ধারনকারী এর অর্থ পর একটি সম্পূর্ণ ভিন্ন জিনোম, যা প্রতিটি রঙ-কোডিং জিন প্রয়োজন একটি নির্দিষ্ট অবস্থানে হতে মধ্যে মিশিয়ে হয়েছে) রাখার জন্য সব মান 4 টি বিট উপর কোডেড হয় (তাই ভাল হিসাবে কোডেড হয় 11xxএবং খারাপ হিসাবে 10xx), মোট 16 * 4 = 64 বিটের জন্য।

বাকি 36 টি বিটগুলি "অ্যান্টি-ওয়াল-ব্যানার" হিসাবে ব্যবহৃত হয় (এর পরে আরও)। পার্শ্ববর্তী 25 টি রঙগুলি এই 36 টি বিটের একটি সূচীতে স্থান পেয়েছে। প্রতিটি বিট একটি পছন্দসই উল্লম্ব দিক নির্দেশ করে (উপরে বা নীচে), এটি যখন দুটি কক্ষের মধ্যে সম্ভাব্য পছন্দ থাকে তখন ব্যবহৃত হয়।

কৌশলটি নিম্নরূপ:

• জিনোম অনুযায়ী প্রতিটি রঙ ডিকোড করুন (বা অফ ট্র্যাক "খারাপ" কোষের জন্য প্রত্যক্ষ নিয়ামক প্রতিবেদন)
• আশেপাশের আশেপাশের মানচিত্র তৈরি করুন (3x3 কোষ, 8 সম্ভাব্য প্রতিবেশী)
• আশেপাশের একটি স্বাক্ষর গণনা করুন (অফ ট্র্যাক সেল বাদে 25 টি রঙের একটি হ্যাশ)
• স্বাক্ষর থেকে পছন্দসই উল্লম্ব দিকটি বেছে নিন (36 হ্যাশ বালতিগুলির মধ্যে)
• লক্ষ্যটির নিকটতমটি দিয়ে শুরু করে প্রথমে পছন্দসই উল্লম্ব দিকটিতে যাওয়ার জন্য "ভাল" হিসাবে ইঙ্গিতযুক্ত প্রতিবেশীর দিকে যাওয়ার চেষ্টা করুন
• যদি কোনও "ভাল" প্রতিবেশী খুঁজে পাওয়া যায় না, তবে একটি ঘর আবার সরিয়ে নিয়ে যাওয়ার চেষ্টা করুন (সম্ভবত এটি কোনও দুর্ভাগ্যজনক দুর্ঘটনার শিকার হয়েছে এবং কোনও হারে ফিটনেস বাড়ানো এড়ানো)

হে মরিয়মরা, দেখ তোমার প্রকারের শত্রুরা

সবচেয়ে খারাপ জিনিস যে জনসংখ্যা ঘটতে পারে এখনো কোন বিজয়ী উত্পাদিত হয়েছে দেওয়ার জন্য, কিন্তু ইঁদুর অনেক বা একটি প্রাচীর বিরুদ্ধে অসীম teleporting লুপ ভিতরে পারেন আটকে লক্ষ্যে পৌঁছাতে খুব কাছাকাছি প্রজননের জন্য নির্বাচিত হওয়ার একটি প্রভাবশালী সুযোগ আছে ।
ইঁদুরদের ফাঁদে ফেলে বা দেয়ালে টেলিপোর্ট করা হওয়ার বিপরীতে, এই ইঁদুরগুলি কেবল বার্ধক্যে মারা যাবে।
তাদের চাচাতো ভাইদের শুরু থেকে 3 টি কোষ আটকে থাকার ক্ষেত্রে তাদের কোনও প্রতিযোগিতামূলক সুবিধা নেই, তবে তাদের জিনোম প্রভাবশালী না হওয়া অবধি ক্রিটিনের প্রজন্মের পরে তাদের প্রজনন করার পর্যাপ্ত সময় থাকবে, সুতরাং কোনও উপযুক্ত কারণ ছাড়াই জিনগত বৈচিত্রকে ক্ষতিগ্রস্থ করবে।

এই ঘটনাটি প্রশমিত করতে, ধারণাটি হল এই খারাপ, খারাপ ইঁদুরগুলির বংশকে তাদের পূর্বপুরুষের পদক্ষেপগুলিতে অনুসরণ করা এড়াতে বেশি সম্ভাবনা করা।
উল্লম্ব দিক নির্দেশক মাত্র 1 বিট দীর্ঘ (মূলত "এই আশেপাশে প্রথমে উপরে যেতে চেষ্টা করুন") এবং বেশ কয়েকটি বিট অনুসরণের পথে প্রভাবিত হওয়ার সম্ভাবনা রয়েছে, সুতরাং পরিবর্তন এবং / অথবা ক্রসওভারগুলির একটি হওয়া উচিত উল্লেখযোগ্য প্রভাব.
প্রচুর বংশধরদের একটি আলাদা আচরণ হবে এবং একই প্রাচীরের (তাদের অনাহারে পূর্বপুরুষদের লাশের মধ্যে) মাথা ঠেকানো শেষ হবে না।
এখানে সূক্ষ্মতা হল যে ইঙ্গিতটি ইঁদুরের আচরণের প্রভাবশালী উপাদান নয়। রঙ ব্যাখ্যা এখনও বেশিরভাগ ক্ষেত্রেই বিরাজ করবে (আপ / ডাউন পছন্দটি কেবল তখনই দু'টি "ভাল" থাকলেই বিবেচিত হবে)এবং ইঁদুরটি ক্ষতিকারক রঙ হিসাবে যা দেখায় তা কোনও প্রাচীরের মধ্যে ফেলে দেওয়ার জন্য অপেক্ষা করা টেলিপোর্টার নয়)।

কেন এটি (মনে হয়) কাজ করে?

আমি এখনও ঠিক কেন জানি না।

ভাগ্যের স্থূল স্ট্রোক যা একটি অমীমাংসিত রহস্য থেকে যায় তা হ'ল ফাঁদ ম্যাপিং যুক্তি। নিঃসন্দেহে এটি সাফল্যের মূল ভিত্তি, তবে এটি তার নিজস্ব রহস্যময় উপায়ে কাজ করে।

কোডিং ব্যবহৃত হওয়ার সাথে সাথে একটি এলোমেলো জিনোম 25% "ভাল", 25% "খারাপ" এবং 50% "ফাঁদ" রঙ শনাক্তকারী তৈরি করে।
"ফাঁদ" শনাক্তকারীরা 5x5 এর আশেপাশের সাথে সম্পর্কিত হয়ে "ভাল" এবং "খারাপ" অনুমানগুলি তৈরি করে।
ফলস্বরূপ, একটি নির্দিষ্ট স্থানে একটি ইঁদুর বিশ্বকে "দেখতে" স্থিতিশীল এবং প্রাসঙ্গিক "গো / না গো" রঙের মিশ্রণ হিসাবে দেখবে।

যেহেতু যথেষ্ট সফল অ্যান্টি-ব্যাংিং প্রক্রিয়াটি ইঙ্গিত করে বলে মনে হচ্ছে, ট্র্যাকের মধ্যে সবচেয়ে খারাপ ধরণের উপাদানটি হ'ল ভয়ঙ্কর প্রাচীর (এবং এর কাজিনের টেলিপোর্টিং লুপ, তবে আমার ধারণা এইগুলি খুব কম সাধারণ)।

উপসংহারটি হল, একটি সফল প্রোগ্রাম অবশ্যই সর্বোপরি ইঁদুরকে এমন অবস্থানগুলি সনাক্ত করতে সক্ষম হয়ে বিকশিত করতে সক্ষম হয় যা লক্ষ্যে পৌঁছা না দিয়ে ধীরে ধীরে অনাহারে বাড়ে।

এমনকি দুটি রঙের দেয়ালকে উপস্থাপন করে এমন "অনুমান" না করেও, "ফাঁদ" রঙগুলি ইঁদুরকে কয়েকটি বাধা অতিক্রম করে দেয়ালগুলি "দেখেছিল" না বলে "প্রাচীর" এড়াতে অবদান রাখে বলে মনে হয়, কারণ "ফাঁদ" অনুমানগুলি এগুলি বাতিল করে দেয় এই বিশেষ আশেপাশে নির্দিষ্ট প্রাচীর কোষ।

যদিও ইঁদুর লক্ষ্যটির দিকে অগ্রসর হওয়ার চেষ্টা করে (যা সবচেয়ে "দরকারী" ফাঁদ সূচকগুলি মনে করতে পারে যে সামনে একটি বিপদ নির্দেশ করে), আমি মনে করি সমস্ত ফাঁদ দিকের প্রায় একই প্রভাব রয়েছে: একটি ফাঁদ "পিছনে বিপদ" নির্দেশ করে "ইঁদুরের সামনে অবস্থিত 2 কোষের প্রভাব একইরূপে হয় যখন ইঁদুর ঠিক উপরে দাঁড়ায় তখন" বিপদ সামনে "নির্দেশ করে।

দুর্ভাগ্যক্রমে, কেন এই মিশ্রণের জিনোমকে এত সাফল্যের সাথে রূপান্তর করার সম্পত্তি রয়েছে fortunately

ওয়াল-ব্যাংিং প্রতিরোধকের সাথে আমি আরও সাবলীল বোধ করি। এটি কেবল পরিকল্পনা অনুযায়ী কাজ করেছে, যদিও আমার প্রত্যাশার চেয়েও ভাল (স্কোরটি মূলত চারটি দ্বারা গুণিত হয়েছিল)।

আমি কিছু ডেটা প্রদর্শন করতে কন্ট্রোলারকে ভারী হ্যাক করেছিলাম। এখানে কয়েকটি রান রয়েছে:

Turns:2499 best rat B  B  B  G  B  G  T3 G  T4 B  G  B  B  B  G  G  ^vv^^vv^v^v^^^vvv^v^^^v^^^v^vv^^v^^^ Max fitness: 790 Specimens: 1217 Score: 2800
Turns:4999 best rat B  B  B  G  B  G  T3 G  T4 B  G  B  B  B  G  G  ^vv^^vv^v^v^^^vvv^v^^^v^^^v^vv^^v^^^ Max fitness: 5217 Specimens: 15857 Score: 685986
Turns:7499 best rat B  B  B  G  B  G  T3 G  T4 B  G  B  B  B  G  G  ^vv^^vv^v^v^^^vvv^v^^^vvvvv^^v^v^^^^ Max fitness: 9785 Specimens: 31053 Score: 2695045
Turns:9999 best rat B  B  B  G  B  G  T3 G  T4 B  G  B  B  B  G  G  ^vv^^vv^v^v^^^vvv^v^^^vvvvv^^v^v^^^^ Max fitness: 14377 Specimens: 46384 Score: 6033904
Scored 6035495 in game 146 current mean 466.875

এখানে সুপার ইঁদুরের একটি প্রজাতি খুব তাড়াতাড়ি উপস্থিত হয়েছিল (সম্ভবত ট্র্যাকটি একটি সরলরেখায় চালানোর অনুমতি দেয় এবং প্রথম প্রজন্মের কিছু ভাগ্যবান ইঁদুর এটির সুবিধা নেওয়ার জন্য সঠিক ডিএনএ পেয়েছিল)। শেষ পর্যন্ত নমুনাগুলির সংখ্যা প্রায় 100.000 ইঁদুরের তাত্ত্বিক সর্বাধিক অর্ধেকের প্রায়, যার অর্থ প্রায় অর্ধেক সমালোচক অনির্দিষ্টকালের জন্য এই নির্দিষ্ট ট্র্যাকটি বেঁচে থাকার ক্ষমতা অর্জন করেছিলেন (!)।
অবশ্যই ফলাফল প্রাপ্ত স্কোরটি কেবল অশ্লীল - যেমনটি গণনার সময়, ঠিক তেমনই।

Turns:2499 best rat B  T0 G  B  T7 B  G  B  T6 T0 T3 B  G  G  G  T4 ^v^^^^^v^^v^v^^^^^^^^v^v^v^^vvv^v^^^ Max fitness: 18 Specimens: 772 Score: 1
Turns:4999 best rat T7 G  G  G  G  T7 G  B  T6 T0 T3 T5 G  G  B  T4 ^vvvvvvv^^^vvv^^v^v^^^^^^^^^^^^^v^^^ Max fitness: 26 Specimens: 856 Score: 1
Turns:7499 best rat G  T0 G  T3 G  T0 G  B  T6 T0 T2 B  T4 G  B  T4 ^^v^vvv^^^vv^^v^vvv^v^^vvvv^^^^^^^^^ Max fitness: 55 Specimens: 836 Score: 5
Turns:9999 best rat T6 T0 G  T5 B  T1 G  B  T6 T0 T3 B  T4 G  B  T4 ^^vv^^^^vv^^v^v^^v^^vvv^vv^vvv^^v^^v Max fitness: 590 Specimens: 1223 Score: 10478
Scored 10486 in game 258 current mean 628.564

এখানে আমরা কাজের জিনোম পরিশোধন দেখতে পাচ্ছি। শেষ দুটি জিনোমের মধ্যে বংশ স্পষ্টভাবে উপস্থিত হয়। ভাল এবং খারাপ মূল্যায়ন সবচেয়ে গুরুত্বপূর্ণ। ফাঁদ সূত্রানুযায়ী দুলা যতক্ষণ না তারা হয় একটি "দরকারী" এ স্থির মনে ফাঁদ বা মধ্যে পরিবর্তন ঘটান ভাল বা খারাপ ।

রঙিন জিনগুলির কয়েকটি কার্যকর বৈশিষ্ট্য রয়েছে বলে মনে হয়:

• তাদের একটি স্ব-অন্তর্নিহিত অর্থ রয়েছে
  (একটি নির্দিষ্ট রঙ একটি নির্দিষ্ট উপায়ে পরিচালনা করতে হবে)
  প্রতিটি রঙের কোডিং নাটকীয়ভাবে আচরণ পরিবর্তন না করে একেবারে ভিন্ন জিনোমে নিক্ষেপ করা যেতে পারে - যতক্ষণ না রঙ বাস্তবে একটি সিদ্ধান্ত নেওয়া হয় (সাধারণত একটি প্রাচীর বা একটি টেলিপোর্টার একটি সীমাহীন লুপের দিকে পরিচালিত করে)।
  এটি একটি প্রাথমিক অগ্রাধিকার কোডিংয়ের ক্ষেত্রে কম, কারণ সর্বাধিক প্রাথমিক রঙটি কেবল কোথায় স্থানান্তরিত হবে তা সিদ্ধান্ত নিতে ব্যবহৃত তথ্য। এখানে সমস্ত "ভাল" রঙ সমান, সুতরাং "ভাল" তালিকায় যুক্ত প্রদত্ত রঙের কম প্রভাব পড়বে।
• এগুলি পরিবর্তনের তুলনায় তুলনামূলকভাবে স্থিতিশীল হয়
  ভাল / খারাপ কোডিংয়ের মধ্যে 4 টির মধ্যে কেবল 2 টি গুরুত্বপূর্ণ বিট থাকে এবং ইঁদুরের আচরণ উল্লেখযোগ্যভাবে পরিবর্তন না করে ফাঁদটির অবস্থান বেশিরভাগ সময়ই পরিবর্তিত হতে পারে।
• এগুলি ছোট (4 বিট) তাই ক্রসওভার দ্বারা ধ্বংস হওয়ার সম্ভাবনা খুব কম।
• মিউটেশনগুলি অর্থবহুল পরিবর্তনগুলি নির্বিঘ্নে উত্পাদিত করে
  "ভাল" তে পরিবর্তিত একটি জিনটি এর খুব কম প্রভাব ফেলবে (উদাহরণস্বরূপ এটি যদি খালি কোষের সাথে মিলে যায় তবে এটি একটি নতুন, খাটো পথ সন্ধান করতে পারে, তবে এটি ইঁদুরকেও সোজা পথে চালিত করতে পারে একটি ফাঁদ), বা একটি নাটকীয় (যদি রঙ কোনও দেয়ালের প্রতিনিধিত্ব করে তবে নতুন ইঁদুর কোথাও আটকে যাওয়ার সম্ভাবনা রয়েছে)।
  একটি জিন "ফাঁদে" ফ্লিপ করে ইঁদুরটিকে একটি প্রয়োজনীয় রঙ থেকে বঞ্চিত করবে বা কোনও প্রভাব ফেলবে না।
  ট্র্যাপের অবস্থানের কোনও রূপান্তর কেবল তখনই বিবেচিত হবে যদি সামনে কোনও ফাঁদ (বা কোনও ক্ষতিকারক কিছু) থাকে, যার তুলনামূলকভাবে ছোট সম্ভাবনা থাকে (আমি 1/3 এর মতো কিছু বলব)।

শেষ অবধি, আমি অনুমান করি যে শেষ ৩ b টি বিট কেবল ইঁদুর আটকে যাওয়া এড়ানোর জন্যই নয়, ইঁদুরকে আরও সমানভাবে ট্র্যাকে ছড়িয়ে দেওয়ার ক্ষেত্রে অবদান রাখে, এইভাবে জিনগত বৈচিত্র্য রক্ষা করা যতক্ষণ না কোনও বিজয়ী জিনোম উত্থিত হয় এবং রঙ-কোডিং অংশের মাধ্যমে প্রভাবশালী হয়ে ওঠে।

আরও কাজ

আমি অবশ্যই বলব যে আমি এই ছোট্ট সমালোচকদের আকর্ষণীয় মনে করি।
এই দুর্দান্ত চ্যালেঞ্জের জন্য সমস্ত অবদানকারীকে আবার ধন্যবাদ।

আমি সফল ইঁদুরের পূর্বসূরীর মতো আরও উল্লেখযোগ্য ডেটা প্রদর্শন করতে নিয়ামককে আরও কসাই করার কথা ভাবছি।

আমি এই ইঁদুরগুলিকে কার্যকরভাবে দেখতে চাই, তবে কোনও ভাষার এই সি ++ বি ** চ তৈরি করে দেয় - অ্যানিমেট করে রাখুন - চিত্রগুলি (অন্যান্য অনেক কিছুর মধ্যে) একটি অগোছালো কাজ।

শেষ পর্যন্ত, আমি ফাঁদ ব্যবস্থার কমপক্ষে একটি ব্যাখ্যা উত্পন্ন করতে এবং সম্ভবত এটির উন্নতি করতে চাই।

নিয়ন্ত্রক হ্যাকিং

যদি কেউ আগ্রহী হন তবে আমি নিয়ন্ত্রকের কাছে করা পরিবর্তনগুলি প্রকাশ করতে পারি।
এগুলি নোংরা এবং সস্তা, তবে তারা কাজটি করে।

আমি গিটহাবের জ্ঞানবান নই, সুতরাং এটি কেবল পোস্টের মধ্য দিয়ে যেতে হবে।

Comments

10,000 গেমের সাথে 208.14 এর স্কোর পেয়েছে। আমি এটি 1000 এর জন্য পরীক্ষা করার চেষ্টা করছিলাম, তবে আমি বুঝতে পারি না আমি অতিরিক্ত 0 টাইপ করেছি, সুতরাং এটি 7 ঘন্টা সময় নিয়েছে।

— 21:38

LOL সব একই ধন্যবাদ। আমার দুটি 1000 রানের সাথে তুলনা করা, দেখে মনে হচ্ছে প্রায় 2000 রান তখন একটি স্থিতিশীল ফলাফল তৈরি করতে পারে।

আপনার ^^v^vvv^^^vv^^v^vvv^v^^vvvv^^^^^^^^^ইঙ্গিত কি? বাকিটা আমি অনুমান করতে পারি, তবে আমি কিছুটা ঝামেলা করছি?

— 23

আমি একটি পৃথক "ডিবাগ" নিয়ামক তৈরি করার কথা ভাবছিলাম, যা একবারে একটি ইঁদুর চালায় এবং প্রতিটি বার যখন নতুন ইঁদুর তৈরি হয় তখন এটি বাবা-মা এবং সন্তানের উভয়ই ডিএনএ দেখায় (কিছু অনুকূলিতকরণের মাধ্যমে)। এটি ইঁদুর কীভাবে কাজ করছে তা পরীক্ষা করা আরও সহজ করে তুলবে।

— 23

এটি 36 "আপ / ডাউন" ইনডিকেটর বিটের প্রতিনিধিত্ব করে, তবে এই উদাহরণগুলিতে বিজয়ী ডিএনএ ইতিমধ্যে প্রভাবশালী হয়ে উঠেছে তাই এগুলি খুব বেশি আলাদা হয় না।

Answer 2

কঠোর বিশ্বাসী - সি ++ - (উন্নত টেলিপোর্টার): 2000 রানের জন্য 10.000+

(এটি অন্ধ বিশ্বাসের বিবর্তন , সুতরাং আপনি এটির আগে কোনও পাঠ্যের অন্য প্রাচীর আরোহণ করতে চাইতে পারেন)

#ifndef NDEBUG
#define NDEBUG
#include "./gamelogic.cpp"
#endif // NDEBUG
#include <cassert>

#define NUM_COLORS 16
#define BITS_OFFSET  3
#define BITS_TYPE    2
#define BITS_SUBTYPE 2
#define BITS_COLOR (BITS_TYPE+BITS_OFFSET)

// how our rats see the world
typedef unsigned char enumSupport_t;
typedef unsigned char trapOffset_t;
typedef enum : enumSupport_t {
    danger,   // code      trap detector
    beam,     // code      safe teleporter
    empty,    // code      empty
    block,    // code      wall, pit or teleporter
    trap,     // computed  detected trap
    pit,      // read      off-board cell
} colorType_t;

// color type encoding (4 first bits of a color gene)
// the order is critical. A single block/empty inversion can cost 2000 points or more
const colorType_t type_decoder[16] = {
    /*00xx-*/
    danger,
    empty,
    beam,
    block,
    /*01xx-*/
    beam,
    danger,
    empty,
    block,
    /*10xx-*/
    empty,
    beam,
    block,
    danger,
    /*11xx-*/
    block,
    empty,
    danger,
    beam,
};

// all 8 possible neighbours, carefully ordered
typedef coord_t neighborhood_t[8];
neighborhood_t moves_up =   { { 1, 0 }, { 1,  1 }, { 1, -1 }, { 0,  1 }, { 0, -1 }, { -1, 0 }, { -1,  1 }, { -1, -1 } };  // toward the goal, going up   first
neighborhood_t moves_down = { { 1, 0 }, { 1, -1 }, { 1,  1 }, { 0, -1 }, { 0,  1 }, { -1, 0 }, { -1, -1 }, { -1,  1 } };  // toward the goal, going down first

// using C++ as a macro-assembler to speedup DNA reading
/*
Would work like a charm *if* a well-paid scatterbrain at Microsoft had not defined
std::bitset::operator[] as

bool operator[](size_t _Pos) const
{   // subscript nonmutable sequence
return (test(_Pos));
}

Bounds checking on operator[] violates the spec and defeats the optimization.
Not only does it an unwanted check; it also prevents inlining and thus generates
two levels of function calls where none are necessary.
The fix is trivial, but how long will it take for Microsoft to implement it, if
the bug ever makes it through their thick layer of tech support bullshit artists?
Just one of the many reasons why STL appears not to live up to the dreams of
Mr Stroustrup & friends...
*/
template<size_t BITS> int DNA_read(dna_t dna, size_t base)
{
    const size_t offset = BITS - 1;
    return (dna[base + offset] << offset) | DNA_read<offset>(dna, base);
}
template<> int DNA_read<0>(dna_t, size_t) { return 0; }

// color gene
struct colorGene_t {
    colorType_t  type;
    trapOffset_t offset;  // trap relative location
    colorGene_t() : type(empty) {} // our rats are born optimists
};

// decoded DNA
class dnaInfo_t {
private:
    const dna_t & dna;
    static const size_t
        direction_start = NUM_COLORS*(BITS_TYPE + BITS_OFFSET),
        direction_size = DNA_BITS - direction_start;

public:
    colorGene_t color[NUM_COLORS];
    int         up_down; // anti-wall-banger

    // decode constant informations during construction
    dnaInfo_t(const dna_t & d) : dna(d)
    {
        for (size_t c = 0; c != NUM_COLORS; c++)
        {
            unsigned raw = DNA_read<BITS_COLOR>(d, c * BITS_COLOR);
            color[c].type = type_decoder[raw >> 1];
            if      (color[c].type == danger) color[c].offset = raw & 7;
            else if (color[c].type == beam  ) color[c].offset = raw & 3;
        }
    }

    // update with surroundings signatures
    void update(size_t signature)
    {
        // anti-blocker
        up_down = (direction_size > 0) ? dna[direction_start + signature % direction_size] : 0;
    }
};

// map of the surroundings
class map_t {
    struct cell_t {
        coord_t pos;
        int     color;
    };

    static const size_t size = 5;
    static const int max = size / 2;
    static const int min = -max;

    size_t local_signature[size*size]; // 8 neighbours signatures for teleporters
    cell_t track_cell[size*size]; // on-track cells
    size_t cell_num;
    colorType_t map[size*size];
    size_t raw_index(int x, int y) { size_t res = x * size + y + max + max * size; assert(res < size*size); return res; }
    size_t raw_index(coord_t pos) { return raw_index(pos.x, pos.y); }

    bool is_inside(int x, int y) { return abs(x) <= max && abs(y) <= max; }

public:
    size_t compute_signatures(view_t v, dnaInfo_t genome)
    {
        cell_num = 0;
        size_t signature = 0;
        memset (local_signature, 0, sizeof(local_signature));
        int i = 0;
        for (int x = min; x <= max; x++)
        for (int y = min; y <= max; y++)
        {
            int c = v(x, y);
            if (c == -1)
            {
                (*this)(x, y) = pit; continue;
            }
            track_cell[cell_num++] = { { x, y }, c };
            signature ^= c << (4 * (i++ & 1));

            if (genome.color[c].type == beam)
            {
                int in = 0;
                for (coord_t n : moves_up)
                {
                    coord_t pn = {x+n.x,y+n.y};
                    if (!is_inside(pn)) continue;
                    int cn = v(pn.x, pn.y);
//                    if (cn == -1) continue;
                    local_signature[raw_index(pn.x,pn.y)] ^= cn << (4 * (in++ & 1));
                }
            }
        }
        return signature;
    }

    void build(dnaInfo_t genome)
    {
        coord_t traps[size*size];
        size_t t_num = 0;

        // plot color meanings
        for (size_t c = 0; c != cell_num; c++)
        {
            const cell_t& cell = track_cell[c];
            const colorGene_t& color = genome.color[cell.color];
            (*this)(cell.pos) = (color.type == beam && (local_signature[raw_index(cell.pos.x,cell.pos.y)] % 4) == color.offset)
                    ? block
                    : color.type;

            // build a list of trap locations
            if (color.type == danger)
            {
                coord_t location = cell.pos + moves_up[color.offset];
                if (is_inside(location)) traps[t_num++] = location;
            }
        }

        // plot trap locations
        while (t_num) (*this)(traps[--t_num]) = trap;
    }

    // quick & dirty pathing
    struct candidate_t {
        coord_t pos;
        candidate_t * parent;
        candidate_t() {} // default constructor does not waste time in initializations
        candidate_t(int) : parent(nullptr) { pos.x = pos.y = 0; } // ...this is ugly...
        candidate_t(coord_t pos, candidate_t * parent) : pos(pos), parent(parent) {} // ...but so much fun...
    };

    coord_t path(const neighborhood_t & moves)
    {
        candidate_t pool[size*size]; // private allocation for express garbage collection...
        size_t alloc;

        candidate_t * border[size*size]; // fixed-size FIFO 
        size_t head, tail;

        std::bitset<size*size>closed;

        // breadth first search. A* would be a huge overkill for 25 cells, and BFS is already slow enough.
        alloc = head = tail = 0;
        closed = 0;
        closed[raw_index(candidate_t(0).pos)] = 1;
        border[tail++] = new (&pool[alloc++]) candidate_t(0);
        while (tail > head)
        {
            candidate_t & candidate = *(border[head++]); // FIFO pop
            for (const coord_t move : moves)
            {
                coord_t new_pos = candidate.pos + move;
                if (is_inside(new_pos))
                {
                    size_t signature = raw_index(new_pos);
                    if (closed[signature]) continue;
                    closed[signature] = 1;
                    if ((*this)(new_pos) > empty) continue;
                    if (new_pos.x == 2) goto found_exit; // a path to some location 2 cells forward
                    assert(alloc < size*size);
                    assert(tail < size*size);
                    border[tail++] = new(&pool[alloc++]) candidate_t(new_pos, &candidate); // allocation & FIFO push
                    continue;
                }
                // a path out of the 5x5 grid, though not 2 cells forward
            found_exit:
                if (candidate.parent == nullptr) return move;
                candidate_t * origin;
                for (origin = &candidate; origin->parent->parent != nullptr; origin = origin->parent) {}
                return origin->pos;
            }
        }

        // no escape
        return moves[1]; // one cell forward, either up or down
    }

    colorType_t & operator() (int x, int y) { return map[raw_index(x, y)]; }
    colorType_t & operator() (coord_t pos) { return operator()(pos.x, pos.y); }
    bool is_inside(coord_t pos) { return is_inside(pos.x, pos.y); }
};

std::string trace_DNA(const dna_t d, bool graphics = false)
{
    std::ostringstream res;
    dnaInfo_t genome(d);
    for (size_t c = 0; c != NUM_COLORS; c++)
    {
        if (graphics)
        {
            res << "tbew--"[genome.color[c].type];
            if (genome.color[c].type == danger) res << ' ' << moves_up[genome.color[c].offset].x << ' ' << moves_up[genome.color[c].offset].y;
            if (genome.color[c].type == beam) res << ' ' << genome.color[c].offset << " 0";
            if (c != NUM_COLORS - 1) res << ',';
        }
        else switch (genome.color[c].type)
        {
        case danger: res << "01234567"[genome.color[c].offset]; break;
        case beam  : res <<     "ABCD"[genome.color[c].offset]; break;
        default: res << "!*-#X@"[genome.color[c].type]; break;
        }
    }
    return res.str();
}

coord_t hardBelievers(dna_t d, view_t v)
{
    dnaInfo_t genome(d); // decoded DNA
    map_t     map;       // the surroundings seen by this particular rodent

    // update genome with local context
    genome.update(map.compute_signatures(v, genome));

    // build a map of the surrounding cells
    map.build(genome);

    // move as far to the right as possible, in the contextually preffered direction
    return map.path(genome.up_down ? moves_up : moves_down);
}

int main() {
    time_t start = time(NULL);
    double score = runsimulation(hardBelievers, trace_DNA);
    slog << "Geometric mean score: " << score << " in " << time(NULL) - start << " seconds";
}

চতুর্থ পর্ব: গ্রিডে আমাদের বিয়ারিংস পাওয়া যাচ্ছে

ফলাফল

Scores: 309371 997080 1488635 1 19 45832 9 94637 2893543 210750 742386 1677242 206614 111809 1 1738598 1 1 342984 2868939 190484 3354458 568267 280796 1 1 1 679704 2858998 1 409584 3823 200724 1 973317 849609 3141119 1 1987305 1 1 57105 245412 1223244 2 1603915 2784761 9 12 1 1839136 1 298951 2 14 138989 501726 1365264 308185 707440 22 772719 17342 63461 3142044 19899 3 409837 48074 3549774 138770 32833 1 1 1184121 67473 310905 1996452 4201 1701954 2799895 2041559 218816 174 433010 51036 1731159 1871641 1 23 2877765 1 127305 27875 626814 142177 2101427 167548 2328741 4 8433 2674119 2990146 466684 1 2 8 83193 388542 2350563 1 1140807 100543 1313548 31949 73117 73300 121364 1899620 1280524 1 10726 12852 7 2165 1 3 44728 2 122725 41 2 1902290 3 1 8581 70598 1148129 429767 1 112335 1931563 521942 3513722 1 2400069 1 3331469 141319 220942 205616 57033 63515 34 6 1419147 1983123 1057929 1 599948 2730727 2438494 5586 268312 1728955 1183258 95241 1537803 11 13 1157309 1750630 1 1 2690947 101211 3463501 1 258589 101615 212924 137664 19624 251591 509429 510302 1878788 1 4045925 1 21598 459159 118663 7 3606309 3 13016 17765 640403 1 72841 695439 1 135297 2380810 1 43 31516 14 1442940 1001957 95903 194951 1 238773 773431 1 1 975692 2 4990979 52016 3261784 2 413095 12 3 420624 7905 60087 760051 2702333 2572405 1 1717432 1 12 3040935 1 1 31787 60114 513777 1 3270813 9639 581868 127091 270 164228 274393 1275008 261419 597715 138913 28923 13059 1848733 2895136 7754 14 1 107592 1 3557771 2067538 147790 112677 119004 1 13791082842974 249727 838699 4067558 6 470799 695141 1 3 1 1276069 23691 831013 5 165142 1236901 1 187522 2599203 1 67179 81345 44111 2909946 94752 7 406018 991024 4 1 3 573689 6 748463 2166290 33865 670769 322844 5657 1131171 1990155 5 4536811 1785704 3226501 2030929 25987 3055355 192547 1761201 433330 27235 2 312244 13203 756723 81459 12 1 1 54142 307858 2 25657 30507 1920292 3945574 1 191775 3748702 3348794 4188197 366019 1540980 3638591 1 1840852 1 26151 2888481 112861 8 11 2 1 27231 1 74 106853 3 173389 2390495 25 1 83116 3238625 75443 1 1 2125260 1 49626 1 6 312084 159735 358268 54351 367201 2868856 5779 172554 119016 141728 3 1 6 9 1 1504011 1 168968 1868493 1 5 1 244563 2 2887999 3144375 1598674 1 1578910 45313 176469 30969 8 127652 1911075 9 1300092 224328 168752 8 1619669 292559 9090 2040459 705819 1852774 10 139217 16 1221670 355060 339599 3 2184244 2546028 1 1 11 70958 242187 1 80737 1 190246 3 1 1 577711 150064 1 1047154 3851461 92399 224270 612237 1 3 3330053 1 1 1192533 615756 267923 144724 2 1 150018 4621881 1 6 299247 115996 2 10 6 185495 76351 465554 178786 1802565 257101 56 2491615 1 24547 1 1203267 32 5741149 541203 11393 1 368082 540534 16167 113481 2004136 13045 17 1 12 333803 14 1955075 1 4 38034 1286203 2382725 26777 1 180312 1 87161 4773392 1244024 1146401 3 80598 2983715 1 63741 1 1 2561436 16 1 1 1807854 1239680 200398 2 46153 1400933 11 5058787 8787 1 98841 89162 1106459 112566 1 4138891 2858906 101835 81375 539485 6587808 1 5359988 1 1 869106 443452 120748 436156 2 2 3944932 1 1875599 2 3081185 733911 447824 1 1 23187 3082414 33 3 1 1 2053904 410824 104571 885952 1946162 2 294773 364169 1 101310 2166548 1177524 2192461 12 4 3457016 90975 2356374 573234 53746 187527 7837 1441335 458407 52139 3387239 2030900 38 1648216 215105 212589 8278 1201586 244282 1 1 1897515 3957343 46 1 134481 1 1 2041785 3 1 37593 163173 1565457 3 1026885 1 34530 4655639 2 18 1940645 1550444 593209 1 2270700 706918 1 1 610113 9 1287883 3 1472134 1998685 1916822 1 296017 2 1 1737607 4155665 1510560 553342 56130 14436 13240604 4025888 1 4253261 174177 2043316 504151 2370989 420666 155232 1 219327 3752236 130062 571247 24 1 29015 31392 1020196 3 1117502 460873 7 1 228 8 133656 1 147008 1 93471 1 1 1 513410 4834094 1 14 1875636 182714 1504903 95263 4418053 1 357853 1135536 3698641 3 239316 4237884 131730 3878724 2158931 55650 1906785 1 26372 32 99217 1645677 379838 1 450352 7329657 112909 1 897980 2114198 308917 126215 1 53839 539997 238036 2 2270000 5 2388928 1668820 519153 58227 347528 1 1 2339954 10 5 2031341 54 2341529 2189774 112731 1 21918 748662 2068921 2 2232504 2923457 97740 3858 16604 398940 388755 1875003 667810 53633 315866 839868 1 7 1 14238 185 4 14 1 2 178947 1965719 398323 120849 48 1397222 961772 34124 2 160652 1 252629 246554 14529 1 299866 135255 490837 2863773 8 10 2 1906405 57 9782 118940 870003 255097 6 4187677 50965 3354376 17611 1804789 183601 158748 1539773 116107 77684 34738 2862836 1 2081903 727739 50328 2740070 17 923524 18 3089706 3144082 1 20 205247 347420 2076952 3725220 39270 2 15 49329 422629 5 1693818 2570558 2146654 1 5 129085 653766 47438 102243 389910 59715 21769 1246783 361571 4 120502 255235 1314165 3 3 5 2902624 76351 3117137 174413 2546645 14534 166054 1013583 1 1 2 9 3027288 3173742 338261 94929 1071263 4659804 1 506576 42798 4 984508 1 4 4 1 18541 7 1 269761 188905 2 1 92011 147031 677955 27484 1291675 2420682 99970 57943 1 4081062 1 250953 704904 4 349180 4273479 30528 2092508 2352781 3700946 1 77799 328993 3684623 3930179 1250080 1975798 54981 1621677 91664 1355832 1084049 721612 56950 197563 246868 5031 1 924076 1328694 58562 1 457662 2445958 1345169 957845 1056809 2485300 1687907 199029 3 9474 86928 1 2419980 3585265 570673 1 1514184 437383 1596697 29709 199606 126031 2 1541777 1 3 2090249 2402438 15 19 1423959 28 37852 4 1652596 1 405512 52 3 1948029 1 2 376 1155902 3 631665 3741991 57673 284026 424787 1 11569 5 1200313 1 20 2360854 1 119994 3889143 673424 797763 1 1 144306 1007659 1231874 75607 1 15 66187 8763 21366 146277 2684501 4458542 162223 3 1 5 94232 3036009 401312 19775 510737 3305062 58905 125783 274094 3089988 118483 1 106213 1 1289180 127905 30 528859 2 1215596 1955900 30 2236528 218643 1 2396631 1598175 1148688 452064 1 1840394 198540 1 1307187 107463 341396 2684981 9602 536871 1 148107 4068 4918434 1 2430254 2066144 88915 3585780 6464 259394 3098337 49601 42 79205 925658 1 2513666 26817 2738302 1 28 345735 5086930 361294 505662 386194 1103890 2653001 412247 4074274 2217918 1 519433 1338570 4289317 140138 18 2519983 168656 4546204 8 1 76545 511580 979214 9318 210013 50508 40 152908 17969 922507 1 7 32 1 388579 1 49886 13319 1066048 4663 27883 38419 1418098 2538216 1 778734 3556791 490764 666880 22746 5666164 4 20 1806284 21142 1 527906 2 12417 182224 49536 105029 206917 2427623 294247 1405136 321480 354137 84225 50 128073 1391176 352835 26074 91159 34229 237942 1 1519676 1 2428669 272681 148689 528951 560736 1 3548197 3833513 1438699 286613 1 1290904 47145 3456135 249648 277045 1012397 271073 1 6 149276 94843 11 177134 32336 2772732 7 22 37065 1 105299 76735 44 2211334 511942 30639 522056 5162 1899842 74 1 1448039 1 88817 21 1027532 555416 1 364383 1335609 167332 283252 49564 220972 1006800 3108886 801258 265596 61651 1 2413276 252747 416606 960925 54 311956 267135 3871698 22581 8978 2 10 1966155 3123429 28 46409 1 18433963725323 1769396 114766 49071 1 1 4228762 3483932 1139490 602592 2700468 770273 3 1 1 212087 281247 27093 156094 286299 1204001 18374 1 330780 1 1 25384 906728 99334 1250819 2161201 34 1027892 1 33449 2 129787 52246 94872 1536841 23470 1 1700323 1 1 3785351 1 95315 1014155 56570 22586 66842 7 156840 48752 1 3143722 1 1168309 2 4 101423 385892 42868 2893851 7 1783109 217499 24 460497 2003214 180135 3503010 131137 2 5240 1621601 2754811 11198 1 1 1105643 1 1671021 3 139611 18268 107229 44582 2211034 1 2880152747163 231008 262504 1 257760 1 1 52992 804418 2 2 4811272 1772250 3 1796530 1918647 1 1934549 1 100550 3448657 1681262 3 604526 320865 1901079 556908 2794800 2472000 637735 123663 1 3213187 118199 2553610 1 1750628 2563806 1 1670872 1 999609 50200 654831 1 164612 2865759 1841739 9 3744159 1331395 3202501 1 7 1 1 239868 1 1 581984 112413 401 1 29656 359367 74532 27226 51752 2583 1 645443 1559731 1 114195 1 85473 229474 111353 1 1521653 1 2568733 444398 2593568 18546 1 158085 1211147 1020006 23407 42514941388799 158442 1 1660358 5 34874 1594789 1551270 386464 502417 32280 170606 1954278 72486 3406066 11 52896 345631 4010742 33307 1951926 1441325 1886066 1 3 402778 3089364 351 28028 4301364 1 431569 5 3054030 375986 404966 1 449317 1230292 1 7 763949 1 2 3197443 1537806 335317 2 1 161263 1 1959902 1664530 139136 447570 1 1 50 158825 222939 1842131 11252 1680094 1017889 71 144808 1 53679 1 41278 1226724 1 1 2 10 2 1 112451 42133 1406662 1 112593 2 2832116 1544488 3579017 3029492 2752014 6 255091 731329 540861 1 426725 440330 212602 202358 173553 4 1189793 11031 84073 2084554 3963 1473295 1 642570 1 1423688 34509 75056 163273 490193 3200250 451777 157797 4156542 2386299 2794795 2735308 1332758 1193296 1131014 1001570 414257 4415511 4 3 1 3499595 536583 16731 93839 92382 1 45890 1 17695 8 867246 18 1607123 3197052 5 40009 1 329895 3497309 2416600 2316390 11 118179 2166659 2 136426 76762 2 14 2 3632525 214889 6 3900942 270409 230143 120414 417489 16706 1563597 31418 2 73 468763 88585 428274 3537347 2 1 491461 2806485 1 7 2950804 115684 4 1 429002 85771 2480 285541 186486 1 1 2430862 6 9 4 1833423 17143 353689 2568741 408890 2929237 208679 2198380 1 2501053 1933666 180843 1 1 2569886 1 17035 3449472 71357 246257 217898 1 47601 589824 401679 362878 13178 34464 1076419 1 554417 1 21248 2136449 1068 23029 8 766649 4 302879 274751 19 1 390259 1899931 233910 1392272 184492 2 2752059 55813 1 6 64674 205205 595508 1714309 582492 4821971 63973 1708726 189200 4548446 479425 2866037 1 1 1 2139319 1 1 3 1572621 2086152 2341038 1 619612 1 78942 772466 18932 1404368 936790 2263929 230200 3009227 251065 835010 88225 642856 824193 5559048 1 36348 2338046 481447 108132 2728223 3539009 1 197164 181408 171634 2172263 2317332 1598340 1318829 1746303 7 59657 1 1415452 122924 915828 1063890 40339 430186 4 2165185 2250922 704568 85138 4417453 255 326360 33541 3 49759 72127 912537 599665 1 29169 168741 349838 996835 1548193 2 28449 803521 4 2 2 3359043 3243259 1 491574 1675000 186105 3203018 11 39127 959876 334480 873131 70262 137080 1076591 1 2155613 74804 893022 2473922 1 1 269835 5 2407308 3 55200 905207 1 1 1245609 65934 7 1372126 530582 1383562 1 1 2718341 1 3947638 4 76837 412551 11 1 1 1208080 3024670 277 46485 1 9 562183 46 2985858 3379885 67816 1896527 1 105478 2035453 3026415 1 189256 2992616 2098002 1099666 775250 5913 13 406948 166773 1 322250 41919 480047 64950 17435 2147428 2336270 3330243 352709 86029 1398723 106236 312951 1 408211 252689 847088 2 17 34088 13128 187366 2 1559482 2349010 1651122 2371088 401005 1715445 1 29483921 1464444 50228 2365851 1651636 768715 226704 23677 83501 1 252623 444628 34 3640316 3602127 45369 1 1 1978261 1 3019189 1 25411 2177552 192839 191146 293712 3840622 182598 4069200 175757 1 2250458 4 1 7 2740824 2753005 1 2836428 1 12 19 2 1788326 3302198122211 3386546 1176663 20847 28 1194294 794665 2630378 13624 722012 2273872 1549353 1 3 1735700 1668388 416 970581 258382 295427 1 121571 3193610 3764806 1 368985 20436 89411 3 16130 2 241879 1 2996216 136958 2382095 510146 1762872 1372194 4215387 346915 4423 1 904153 2004500 248495 836598 3529163 27 2547535 1424181 1885308 1 1056747 289743 176929 2299073 170473 1 1 839941 12382 51457 608526 1684239 4843522 34550 929855 2767014 2979286 1 340808 184830 131077 57298 63854 381689 201998 1715328 118687 69190 123466 1 2 69392 159797 382756 1513430 2506318 457 1
Geometric mean score: 10983.8 in 31214 seconds

আমি জি ++ / মিনিজিডাব্লু এবং 3 টি থ্রেডে স্যুইচ করেছি।
জিএনইউ দ্বারা উত্পন্ন কোডটি মাইক্রোসফ্টের চেয়ে দ্বিগুণের বেশি দ্রুত।
তাদের বিস্মিত এসটিএল বাস্তবায়নের সাথে কী আশ্চর্যের কিছু নেই।

Teleporters

টেলিপোর্টার প্রভাব অত্যন্ত অবস্থান-নির্ভর। এখনও অবধি আমি টেলিপোর্টারটিকে সর্বদাই ভাল (খালি জায়গা হিসাবে দেখা হয়) বা সর্বদা খারাপ (প্রাচীরের মতো দেখেছি যাতে কোনও রাডেন্ট এটি গ্রহণ না করে) হিসাবে বিবেচনা করে খুশি হয়েছিল।

এটি একটি মডেল খুব মোটা।
প্রদত্ত একটি টেলিপোর্টার লক্ষ্য থেকে কয়েকটি ঘর অবধি ইঁদুরকে এগিয়ে নিয়ে যেতে পারে, তবে সেখানে একবার একই টেলিপোর্টার ইঁদুরটিকে বোর্ড থেকে ফেলে দিতে পারে।
এই জাতীয় টেলিপোর্টার খুব সম্ভবত পাসেবল হিসাবে স্বীকৃত হবে (যেহেতু এটি একই এক্স অবস্থানের দিকে "হাঁটার চেয়ে দ্রুত ফিটনেস বাড়ায়), প্রভাবশালী জিনোমের অংশ হয়ে যায় এবং এটি" সর্বদা নিরাপদ "হিসাবে বিশ্বাস করে এমন প্রায় সমস্ত ইঁদুর হত্যা করে।
যেহেতু ইঁদুরগুলির তাদের এক্স অবস্থান জানার কোনও উপায় নেই, তাই এই বিশ্বাসঘাতক টেলিপোর্টারদের সনাক্ত করার একমাত্র সমাধানটি উপলভ্য একমাত্র প্রাসঙ্গিক তথ্য, অর্থাৎ 5x5 রঙের গ্রিডের ভিত্তিতে তাদের উপর পদক্ষেপ নেওয়া হবে কিনা তা সিদ্ধান্ত নেওয়া।

এটি করার জন্য, আমি 4 ধরণের রঙের জিনকে সংজ্ঞায়িত করেছি:

• বিপদ জাল সনাক্তকারী
• ট্র্যাকের যে কোনও জায়গায় খালি প্রবেশযোগ্য
• ট্র্যাকের যে কোনও জায়গায় ব্লক করা নিষিদ্ধ
• আশেপাশের উপর নির্ভর করে মরীচি খালি বা ব্লক হিসাবে দেখা যায়

ধারণাটি হ'ল কোনও টেলিপোর্টারকে তার তাত্ক্ষণিক 8 প্রতিবেশী দেখে আলাদা করার চেষ্টা করা উচিত। যেহেতু একটি নির্দিষ্ট স্থানে 8 টি অভিন্ন প্রতিবেশী হওয়ার সম্ভাবনা খুব কম, এর ফলে প্রতিটি টেলিপোর্টারের একটি অনন্য উদাহরণ সনাক্ত করা উচিত।

8 টি প্রতিবেশী রঙগুলি একত্রিত হয়ে স্থানীয় স্বাক্ষর তৈরি করতে পারে যা গোলকধাঁধায় অবস্থার সাথে সম্পর্কিত inv দুর্ভাগ্যক্রমে, 8 প্রতিবেশী কেবলমাত্র দৃষ্টি অভ্যন্তরের বর্গক্ষেত্রের 3x3 ক্ষেত্রের মধ্যে অবস্থিত কক্ষগুলির জন্য দৃশ্যমান, সুতরাং স্বাক্ষরগুলি দর্শনের ক্ষেত্রের পাতায় ভুল হবে।
তবুও, এটি আমাদের আশেপাশের অঞ্চলে একটি ধ্রুবক প্রাসঙ্গিক তথ্য দেবে, যা সফলভাবে টেলিপোর্টার নেভিগেট করার সম্ভাবনা বাড়ানোর পক্ষে যথেষ্ট।

মরীচি জিনের একটি 2 বিট ভেরিয়েবল ক্ষেত্র রয়েছে।
প্রদত্ত টেলিপোর্টার স্থানীয় স্বাক্ষরের জন্য, চারটিতে একটি সুযোগ রয়েছে যে বিম সেলটি দুর্গম বিবেচনা করা হবে। ক্ষেত্রের প্রতিটি মান এই চারটি সম্ভাবনার একটি নির্বাচন করে।
ফলস্বরূপ, এই 2 বিটগুলিতে একটি মরীচি জিনের রূপান্তর 4 টি রঙের সম্ভাব্য প্রাসঙ্গিক তাৎপর্যগুলির মধ্য দিয়ে ঘুরবে।

তদতিরিক্ত, অনুমান করার জন্য সবচেয়ে গুরুত্বপূর্ণ রঙগুলি এখনও দেয়াল এবং জাল tra এর অর্থ দেয়াল এবং ফাঁদগুলি কোথায় রয়েছে ইঁদুরগুলি শিখার পরে আমাদের টেলিপোর্টার সনাক্তকরণের অনুমতি দেওয়া উচিত ।

স্থানীয় স্বাক্ষরগুলি কেবলমাত্র স্বল্পভাবে আপডেট করেই এটি করা হয়। কোনও স্থানীয় স্বাক্ষর আপডেট করার জন্য বর্তমান মানদণ্ডটি কোনও সম্ভাব্য টেলিপোর্টার হিসাবে চিহ্নিত রঙের সান্নিধ্যে থাকতে হবে।

কোডিংটিতে রঙিন জিনের জন্য 5 টি বিট এবং গ্রুপের প্রকারের জন্য 0_7 মানের এনকোড করার জন্য 3 টি কম উল্লেখযোগ্য বিট মুক্ত করতে ব্যবহৃত হয়:

• 4 বিপদ
• 4 খালি
• 4 ব্লক
• 4 মরীচি

প্রতিটি বিমের জিনের ব্লক হিসাবে বিবেচিত হওয়ার 1/4 সম্ভাবনা থাকে এবং 3/4 সম্ভাবনা খালি বিবেচনা করা হয়, সুতরাং 4 টি বীম গড়ে 1 টি ব্লক এবং 3 টি খালি উপস্থাপন করে।

16 টি বর্ণের এলোমেলোভাবে ছড়িয়ে দেওয়া প্রতিনিধিত্বের গড় অনুপাতটি হ'ল:

• 4 বিপদ
• 7 খালি
• 5 ব্লক

এই মিশ্রণটি এখনও পর্যন্ত সেরা ফলাফল দেবে বলে মনে হচ্ছে, তবে আমি এটি টুইট করে নিই।

জিন পরিবর্তন

একটি জিনিস অবশ্যই নিশ্চিত: জিনের ধরণের উপস্থাপনের জন্য নির্বাচিত কোড মানগুলি সমালোচনামূলক। দুটি মান উল্টাতে 2000 পয়েন্ট বা তারও বেশি দাম পড়তে পারে।

এখানে আবার কারণটি আমার গণিতের বাইরে।

আমার ধারণাটি হ'ল এক ধরণের থেকে অন্য ধরণের রূপান্তরের সম্ভাবনাগুলি অবশ্যই ভারসাম্যপূর্ণ হওয়া উচিত, নাহলে, মার্কো ম্যাট্রিক্সের মতো, ক্রমবর্ধমান সম্ভাব্যতাগুলি সর্বাধিক আগত সংক্রমণের সম্ভাব্যতাগুলিকে সাবসেটে সীমাবদ্ধ রাখে।

উদ্ধারের পথে

পথনির্দেশটি পরিদর্শন করা ঘরের সংখ্যা নাটকীয়ভাবে হ্রাস করবে, কেবলমাত্র লক্ষ্যে পৌঁছানোর সম্ভাবনা সবচেয়ে বেশি পরীক্ষা করার জন্য। সুতরাং, শুধুমাত্র কিছু ঘন ঘন মৃত প্রান্তগুলি এড়ানো হয় না, তবে ভুল রঙের কোডগুলি এর আগেও আবিষ্কার হওয়ার সম্ভাবনা অনেক বেশি।
ফলস্বরূপ, একীকরণের সময়টি দৃ strongly়ভাবে হ্রাস পেয়েছে।

তবে জিনোম ট্র্যাকের যথাযথ উপস্থাপনা তৈরি করতে অক্ষম এমন মানচিত্রগুলি সমাধান করতে এটি সহায়তা করে না।

মুরনদের সাথে কী করব?

ট্র্যাকটিতে দৃষ্টিভঙ্গি দেখার পরে, আমি বুঝতে পেরেছিলাম যে একটি ডিফল্ট কৌশল যা সামনে প্রাচীর ছাড়া কিছুই না বলে মনে হলেও সামনে এগিয়ে যাওয়ার চেষ্টা করে, কেন পিছনে থাকার চেয়ে ভাল।
"দেওয়ালগুলি" বাস্তবে টেলিপোর্টারগুলি হতে পারে যা এতগুলি দুর্ভাগ্যজনক ফলাফল তৈরি করে যে জিনোম তাদেরকে কখনই ট্র্যাড হওয়ার পথে বাধা হিসাবে মানচিত্র হিসাবে চিহ্নিত করে, তবে বিরল ঘটনাগুলিতে এই দুষ্টু টেলিপল্টারের একটি নির্দিষ্ট উদাহরণের ইতিবাচক (বা কমপক্ষে অঘাতী) প্রভাব থাকতে পারে সুতরাং, পিছনে ফিরে যাওয়ার পরিবর্তে এটি নেওয়া জয়ের পথে সন্ধানের সম্ভাবনা বাড়িয়ে তোলে।

প্রথম দিকে কনভার্ভেশন

আমার কাছে মনে হচ্ছে মিউটেশন রেটটি খুব সামান্য কিছুটা কম (আমার খাঁদের জন্য অন্তত)।

বর্তমান 0.01 সেটিংটি কোনও ডিএনএকে মিউটেশন প্রক্রিয়াটি অটুট থাকার জন্য 37% সম্ভাবনা দেয়। প্যারামিটারটি 0.0227 এ পরিবর্তন করা এই সম্ভাবনাটিকে প্রায় 10% এ কমায়

রহস্যজনক সূত্রটি হ'ল পি _{1 বিট রূপান্তর} = 1-পি _{পুরো জিনোম অক্ষত} ^1/100 , জিনোম বিটের দৈর্ঘ্য 100 টি।

উদাহরণস্বরূপ 10% সম্ভাব্যতার জন্য, পি _{1 বিট রূপান্তর} = 1 - 0.1 ^1/100 = 0.0277
5% সম্ভাব্যতার জন্য, পি = 1 - 0.05 ^1/100 = 0.0295
সূত্রটি উল্টে আমরা দেখতে পেলাম যে 0.01 একটি হওয়ার 37% সম্ভাবনা দেয় রূপান্তর দ্বারা অপরিবর্তিত।

আমি 10% সম্ভাবনা সহ সঠিক একই পরীক্ষাটি (এলোমেলো বীজের একটি নির্দিষ্ট ক্রম ব্যবহার করে) পুনরায় পরিচালনা করেছি।
প্রচুর মানচিত্রে, পূর্ববর্তী ব্যর্থতাগুলি (সীমাবদ্ধ) সাফল্যে রূপান্তরিত হয়েছিল। অন্যদিকে, প্রচুর জনসংখ্যার বিস্ফোরণ কম ছিল (যা গণনার গতি বাড়ানোর আকর্ষণীয় পার্শ্ব প্রতিক্রিয়া করেছিল)।
যদিও খুব উচ্চ স্কোর (এক মিলিয়ন +) কম সাধারণ ছিল, তত বেশি সফল রানের সংখ্যা ক্ষতিপূরণের জন্য যথেষ্ট ছিল।
শেষ পর্যন্ত, গড় 1400+ থেকে প্রায় 2000 এ বেড়েছে।

বিপরীতে, পি থেকে 5% নির্ধারণের ফলে প্রায় 600 এর গড় উত্পন্ন
হয়েছিল I আমি ধারণা করি যে রূপান্তর হারটি এত বেশি ছিল যে জয়ের ইঁদুরের জিনোম প্রায়শই কম দক্ষ বৈকল্পিক হিসাবে পরিবর্তিত হয়েছিল।

এটি কিভাবে কাজ করে

যুক্ত টেলিপোর্টার সনাক্তকারীগুলির সাথে, ব্যর্থ গেমগুলির সংখ্যা (স্কোর <10) উল্লেখযোগ্যভাবে হ্রাস পেয়েছে।
2000 রানের বিচারে, ব্যর্থতা মাত্র 1/3 ছিল।
জ্যামিতিক গড়টি কেবল 2900 থেকে 3300 এ উঠেছিল, তবে এই সংখ্যাটি উন্নতি প্রতিফলিত করতে ব্যর্থ।

খালি রঙগুলি ঘন ঘন বিম এবং বিপদ হিসাবে ধরা হয় (সাধারণত 2 থেকে 5)। জিনোম রাস্তাগুলি ব্লক করতে ইঁদুরগুলিকে সমস্যায় ফেলতে "এই রঙগুলি" ব্যবহার করে।

জিনোম ফাঁদগুলি অনুমান করার ক্ষেত্রে বেশ ভাল (যেমন একবার ইঁদুর লক্ষ্যে পৌঁছাতে সক্ষম হয়ে যায়, প্রকৃত ফাঁদ সনাক্তকারীদের উপস্থাপনকারী রঙগুলি সময়ের প্রায় 90% অনুমান করা হয়)।
এটি টেলিপোর্টারদের জন্য নতুন মরীচি কোডগুলিও ব্যবহার করে, যদিও খুব কমই হয় (সম্ভবত "বিশ্বাসঘাতক" টেলিপোর্টাররা ফাঁদগুলির চেয়ে কম সাধারণ, এবং অন্যান্য বিম / বিপদের রংগুলি এই বিশ্বাসঘাতকদের শেষ উদাহরণের পথ অবরুদ্ধ করতে বিকশিত হয়)।

5000 বা ততোধিক টার্ন পরে বিজয়ী জিনোম উত্থিত হয় এমন গেমগুলির সংখ্যা বিচার করে আমি মনে করি এই নতুন জাতটি পরিবর্তিত হারের ফলে খুব বেশি উপকৃত হবে।

Comments

যেহেতু প্রচুর ট্র্যাপ, খালি, দেয়াল এবং টেলিপোর্ট রয়েছে তাই অনুপাতগুলি সঠিকভাবে সংরক্ষণ করার জন্য আপনার কেবলমাত্র 3 টি বিট লাগবে (আপনি যদি ফাঁদগুলি == দেয়াল বিবেচনা করেন)। এছাড়াও, আপনি অ্যান্টি-ওয়ালব্যাংগুলিতে অব্যবহৃত ট্র্যাপ অফসেট বিটগুলি ব্যবহার করার ধারণাটি বিবেচনা / বাতিল করেছেন? যেহেতু লক্ষ্যটি পিতামাতার কাছ থেকে উত্তরাধিকার সূত্রে না হয় , তাই আপনি প্রকৃতপক্ষে সমস্ত বিটগুলি অ্যান্টি-ওয়ালব্যাংগুলিতে ব্যবহার করতে পারেন । তাদের অনন্য হওয়ার কোনও কারণ আমি ভাবি না।

— মাকিং হাঁস

@ মুভিংডাক আমি আপনার অফসেট বিট পুনরায় ব্যবহার করার ধারণাটি পরীক্ষা করেছি, কিন্তু এটি ব্যর্থ হয়েছে। আমার আশঙ্কা হিসাবে, দুটি ভিন্ন উদ্দেশ্যে একটি তথ্য পুনরায় ব্যবহার করা কার্যকর বলে মনে হচ্ছে না। উদাহরণস্বরূপ ধরুন যে কোনও জিনোমের নির্দিষ্ট প্রদত্ত পথে যথাযথ উল্লম্ব দিকটি বাছাইয়ের জন্য প্রদত্ত রঙের অফসেট বিটগুলি প্রয়োজন, এই রঙটি একই ডেটার উপর নির্ভরশীল পথটিকে বিনষ্ট না করে আর অর্থবহ জালকে প্রতিনিধিত্ব করতে পারে না। আমি 6 টি বিটও ব্যবহার করার চেষ্টা করেছি, তবে আমি আশঙ্কা করেছি যে বাকি 4 টি অ্যান্টি ওয়াল ব্যানার খুব কম সরবরাহে ছিল।

জেনে রাখা ভাল, তবে আমি সেখানে দুটি ধারণার পরামর্শ দিয়েছিলাম, একটি হ'ল সমস্ত বিট ব্যবহার করা (কিছু পুনরায় ব্যবহার করা) এবং অন্যটিটি অব্যবহৃত ট্র্যাপ অফসেট বিটগুলি দেয়াল / খালি জন্য ব্যবহার করা। আপনি উভয় চেষ্টা করেছেন? (আপনি চেষ্টা করতে চান না তা আমি পুরোপুরি বুঝতে পেরেছি, আপনি না চাইলে আপনাকে খুব কমই চেষ্টা করতে হবে)

— মাকিং হাঁস

আমি উভয় চেষ্টা করেছিলাম, এবং উভয়ই ব্যর্থ হয়েছিল। জিনগুলি সেগুলি ব্যবহার না করেও ট্র্যাপ অফসেটগুলি গুরুত্বপূর্ণ, কারণ এই জিনটি এখনও একটি ফাঁদ রঙে ফিরে আসতে পারে, এক্ষেত্রে ট্র্যাপ অফসেট সম্ভবত প্রাসঙ্গিক বিটগুলির পক্ষে সবচেয়ে লাভজনক বলে পরিবর্তন করতে পারে এবং অফসেট হিসাবে এর অর্থ হারিয়ে ফেলেছে । এখন এটি লাভজনক অফসেট মানটিতে ফিরে যাবে এবং প্রাসঙ্গিক সূচক হিসাবে যে ইঁদুরগুলির উপর নির্ভর করেছে তার পথগুলিকে ধ্বংস করবে। আমি মনে করি যে আমি আমার গ্রাফিক সরঞ্জামটি দিয়ে এই জাতীয় দোলনের ঘটনাটি দেখেছি, তবে এই সমস্যার স্পষ্ট উদাহরণ প্রদর্শন করা সহজ নয়।

Answer 3

কালারস্কোরপ্লেয়ার, প্রাথমিক স্কোর 22 ডলার

চ্যালেঞ্জে জিআইএফ-তে আপনি কাজ করতে দেখছেন এমন বট।

বিকাশের পর্যায়ে এটিই ছিল আমাদের পরীক্ষার বট। এটি জিনোমটি 16 টি রঙের প্রত্যেকটির জন্য একটি মানের স্কোর সঞ্চয় করতে ব্যবহার করে। তারপরে এটি এমন ফরোয়ার্ড মুভ তৈরি করে যা এটিকে সেরা স্কোর দিয়ে রঙের দিকে নিয়ে যায় (এবং কখনই এর দিকে অগ্রসর হয় না -1)। টাই করার ক্ষেত্রে, টাইং সেলগুলির মধ্যে একটি এলোমেলো পদক্ষেপটি বেছে নেওয়া হয় is

আমরা এই প্লেয়ারটিকে সমস্ত নিয়ামক ভাষায় পোর্ট করেছি, সুতরাং এটি কীভাবে ব্যবহার করা যায় তা উদাহরণ হিসাবে কাজ করে:

পাইথন

class ColorScorePlayer(Player):
    def __init__(self):
        Player.__init__(self)
        self.coords = [Coordinate( 1, 0),
                       Coordinate( 1,-1),
                       Coordinate( 1, 1)]
        self.n_moves = len(self.coords)

    def turn(self):
        max_score = max([self.bit_chunk(6*self.vision_at(c.x, c.y), 6) for c in self.coords if self.vision_at(c.x, c.y)>=0])
        restricted_coords = [c for c in self.coords if self.vision_at(c.x, c.y)>=0 and self.bit_chunk(6*self.vision_at(c.x,c.y), 6) == max_score]

        return random.choice(restricted_coords)

চুনি

class ColorScorePlayer < Player
    def initialize(rng)
        super(rng)
        @coords = [Vector2D.new( 1,-1),
                   Vector2D.new( 1, 0),
                   Vector2D.new( 1, 1)]
    end

    def vision_at(vec2d)
        @vision[vec2d.x+2][vec2d.y+2]
    end

    def turn
        max_score = @coords.map { |c|
            color = vision_at(c)
            color < 0 ? -1 : bit_chunk(6*color, 6)
        }.max

        restricted_coords = @coords.select { |c|
            color = vision_at(c)
            color >= 0 && bit_chunk(6*color, 6) == max_score
        }

        restricted_coords.sample(random: @rng)
    end
end

সি ++

coord_t colorScorePlayer(dna_t d, view_t v) {
    const int chunklen = DNA_BITS / N_COLORS;
    int ymax[3], nmax, smax = -1;
    for(int y = -1; y <= 1; y++) {
        if(v(1, y) == OUT_OF_BOUNDS) continue;
        int score = dnarange(d, v(1, y)*chunklen, chunklen);
        if(score > smax) {
            smax = score;
            nmax = 0;
        }
        if(score == smax) ymax[nmax++] = y;
    }
    return {1, ymax[v.rng.rint(nmax)]};
}

সি শার্প

public static void ColorScorePlayer(GameLogic.IView v, GameLogic.IGenome g, Random rnd, out int ox, out int oy)
{
    ox = 0;
    oy = 0;

    var max_score = cspcoords.Where(c => v[c.x, c.y] > -1).Select(c => g.cutOutInt(6 * v[c.x, c.y], 6)).Max();
    var restrictedCoords = cspcoords.Where(c => v[c.x, c.y] > -1 && g.cutOutInt(6 * v[c.x, c.y], 6) == max_score).ToArray();

    Coord res = restrictedCoords[rnd.Next(restrictedCoords.Length)];

    ox = res.x;
    oy = res.y; 
}

জাভা

package game.players;

import java.awt.*;
import java.util.Map;

public class ColorScorePlayer extends Player{
    private static final Point[] possibleMoves = {new Point(1, 0), new Point(1, -1), new Point(1, 1)};

    @Override
    public Point takeTurn(String genome, Map<Point, Integer> vision) {
        int chunkLength = genome.length()/16;
        int maxSum = -1;
        Point maxSumMove = possibleMoves[0];
        for (Point move: possibleMoves){
            if (vision.get(move) == -1){
                continue;
            }
            int initialPoint = chunkLength*vision.get(move);
            int sum = 0;
            for (int i = initialPoint; i < initialPoint + chunkLength; i++){
                sum = (sum<<1)+Integer.parseInt(genome.charAt(i)+"");
            }
            if (sum > maxSum){
                maxSum = sum;
                maxSumMove = move;
            }
        }
        return maxSumMove;
    }
}

প্লেয়ার মোটামুটি বেমানান স্কোর করে। এখানে 50 টি এলোমেলো রান রয়েছে:

Scores: 1 1 1132581 3 43542 1 15 67 57 1 11 8 623162 1 1 1 134347 93198 6 1 2 1 1 245 3 1 1 27 1 31495 65897 9 5 1 2 20 2 117715 1 1 1 20 64616 5 38 1 2 1 2 12

Answer 4

কালারফারসিকার, সি ++ ≈ 74.7

আপনি যদি এটি চেষ্টা করেন তবে এই চ্যালেঞ্জটি সত্যিই বেশ মজাদার এবং সহজ।

দীর্ঘ বিবরণ দ্বারা বন্ধ করা করবেন না।
শুধু গিটহাবে যান এবং জিনিসগুলি পরীক্ষা করে দেখুন ... সবকিছু আরও পরিষ্কার হবে! :)

সি ++ সিমুলেটরটি এর গতির জন্য অত্যন্ত প্রস্তাবিত। আমার অজগর প্রোগ্রামটি সি ++ তে অনুবাদ শেষ করার পরেও পাইথন সিমুলেশন এখনও থামেনি।

এটি কালারস্কোরপ্লেয়ারের একটি উন্নত বৈকল্পিক। এর 5x5 ভিউটির ভাল ব্যবহার করতে, এটি একটি ওজনযুক্ত ফাংশন ব্যবহার করে এটি থেকে 2 পদক্ষেপগুলি বিবেচনা করে। এর 1 পদক্ষেপের আগে চালানোকে একটি উচ্চ ওজন দেওয়া হয়, কারণ এগুলি টিকে থাকার উপর আরও তাত্ক্ষণিক প্রভাব ফেলে। 2 ধাপ এগিয়ে যান কম ওজন দেওয়া হয়।

এগিয়ে যাওয়ার চেষ্টা করে, তবে যদি কোনও নিরাপদ পদক্ষেপ না দেখা যায় ... তবে পাশের পাশে চেষ্টা করে ... এবং অন্য সব কিছু যদি ব্যর্থ হয় তবে এলোমেলোভাবে পিছনের দিকে চলে যায়।

coord_t colorFarSeeker(dna_t d, view_t v) {
#define s(w,x,y) (v(x,y)>-1?((b+dnarange(d,l+m+n*v(x,y),n))*w):0)
#define max2(a,b) (((a)>(b))?(a):(b))
#define max3(a,b,c) (max2(a,max2(b,c)))
#define push(vec,maxScore,score,x,y) if(score==maxScore&&v(x,y)>-1)vec.push_back({x,y});
#define tryReturn() if(vec.size()){return vec[v.rng.rint((int)vec.size())];}vec.clear();

    // Some constants to tweak
    int k = 4;
    int l = 3;
    int m = dnarange(d, 0, l);
    int n = 4;
    int b = dnarange(d, l, k) + 10;

    std::vector<coord_t> vec;

    // Looks forward for good moves...
    int upRightScore = s(1,0,-2) + s(1,1,-2) + s(1,2,-2) + s(5,1,-1);
    int forwardScore = s(1,2,-1) + s(1,2,0) + s(1,2,1) + s(5,1,0);
    int downRightScore = s(1,0,2) + s(1,1,2) + s(1,2,2) + s(5,1,1);
    int maxForwardScore = max3(upRightScore,forwardScore,downRightScore);
    push(vec,maxForwardScore,upRightScore,1,-1);
    push(vec,maxForwardScore,forwardScore,1,0);
    push(vec,maxForwardScore,downRightScore,1,1);
    tryReturn();

    // Looks sideways for good moves...
    int upScore = s(1,-1,-2) + s(1,0,-2) + s(1,1,-2) + s(5,0,-1);
    int downScore = s(1,-1,2) + s(1,0,2) + s(1,1,2) + s(5,0,1);
    int maxSideScore = max2(upScore,downScore);
    push(vec,maxSideScore,upScore,0,-1);
    push(vec,maxSideScore,downScore,0,1);
    tryReturn();

    // If all else fails, move backwards randomly.
    // I have tried considering the scores of backmoves,
    // but it seems worse than just randomly moving backwards. 
    vec.push_back({-1,-1});
    vec.push_back({-1,0});
    vec.push_back({-1,1});
    return vec[v.rng.rint((int)vec.size())];

}

স্কোর:

বেশ কিছুটা 1 এর ... আছে যখন আপনি একে অপরের পরে 1 টি কনসোল বানাতে দেখলে মন খারাপ হয়ে উঠতে পারে। জীবনের সমস্ত প্রয়োজনীয়তা সহ গ্রহের মতো তবে উন্নত ইঁদুর সভ্যতার কোনও চিহ্ন নেই ...
তারপরে মাঝে মাঝে স্পাইক। :)

হুম ... স্পষ্টতই আমি আমার প্রথম ব্যাচের রানের জন্য ভাগ্যবান, 300+ এর জ্যামিতিক পেয়েছিলাম। স্কোরগুলি বেশ খানিকটা ওঠানামা করে। তবে যাইহোক, সিমুলেটরটির আরও বেশি রান সহ, এটি সম্ভবত ≈ 74 এর কাছাকাছি ((আমাকে অনুকরণে এবং তার জ্বলজ্বল দ্রুত প্রোগ্রামের সাহায্য করার জন্য Thx feersum)

আমার রান থেকে স্কোর: 6 6 53 1 5 101223 89684 17 2 303418 4 85730 24752 1 1 1 3482515 39752 1 59259 47530 13 554321 1 563794 1 1770329 1 57376 1 123870 4 1 1 79092 69931 594057 1 69664 59 1 6 37857 173313 2 1 51704 1 254006 4 24749 1 117987 49591 220151 26 4292194 23 57616 72 67 1 4 308039 1 1 103 89258 1 286032 1 5 3 1 5 114851 46 143712 5 15 9 80 7425 1 1 7 1 108379 70122 97238 1 1 2 2 23 104794 1 10476 59245 1 204 1 1 12 1 29641 1 314894 18785 13 1 3 1 1 2 526001 1 1 1 27559 29285 3 3 128708 70386 30 2 2 1 208531 331 1 2 1 61 114993 1 15 51997 1 2 1 146191 1 31 4 3 1 161422 207 1 64 1 1 68594 145434 87763 150187 169 185518 1 1 1 24208 2570 1 1 537 1 1 462284 1 2 55 1 1 214365 1 40147 2 213952 1 29 3 1 2144435 5 4502444 72111 1 1 1 1 1 774547

Comments

আমি 1000 গেমসের সাথে একটি জ্যামিতিক গড় পেয়েছি, দুর্দান্ত কাজ।

— 20:48

Answer 5

বিশপ - পাইথন, প্রাথমিক স্কোর 1.901

বিশপ সর্বদা তির্যকভাবে অগ্রসর হয় তাই অর্ধ বোর্ড বোর্ডের প্রদত্ত ট্রেকটিতে অ্যাক্সেসযোগ্য তবে এর অর্থ এনকোড করার সম্ভাবনা কম রয়েছে, তাই জিনোমের প্রতিটি স্বতন্ত্র বিট একটি পদক্ষেপের প্রতিনিধিত্ব করতে পারে (বিশপ কখনই পিছপা হয় না)। কোন বিটটি উল্লেখ করবেন তা নমুনার (ডানদিকে) স্কোয়ারগুলির 3x3 ব্লকের ভিত্তিতে সিদ্ধান্ত নেওয়া হয়েছে। প্রদত্ত অবস্থার জন্য সর্বোত্তম পদক্ষেপটি কেবলমাত্র একক বিট রূপান্তর ever

এই বটটি প্রথমে দ্রুত শিখতে পারে তবে প্রায়শই সমাপ্তিতে পৌঁছানোর আগে একটি ছাদে আঘাত করে, সম্ভবতঃ যেখানে নিম্নলিখিত দুটি সমস্যার মধ্যে একটি ঘটে:

• বোর্ড মানচিত্রের দুই বা ততোধিক অংশ একই বিটে তবে বিভিন্ন পদক্ষেপের প্রয়োজন।
• কিছু বোর্ড কেবল তির্যক পদক্ষেপগুলি ব্যবহার করে পাসযোগ্য হয় না।

কোড

class BishopPlayer(Player):
    def __init__(self):
        Player.__init__(self)
        self.coords = [Coordinate(1,-1),
                       Coordinate(1, 1),
                       ]
        self.inputs = [(x,y) for x in (0,1,2) for y in (-1,0,1)]

    def turn(self):
        # Move away from out of bounds areas
        if self.vision_at(0,-1) == -1:
            return self.coords[1]
        if self.vision_at(0,1) == -1:
            return self.coords[0]

        # Move right, and either up or down based on one bit of the genome
        bit_to_use = sum(self.vision_at(self.inputs[i][0],
                                        self.inputs[i][1]
                                        ) * (16 ** i) for i in range(9)
                         ) % 100
        return self.coords[self.bit_at(bit_to_use)]

এই সীমাবদ্ধতা সত্ত্বেও, বিরল ইভেন্টে বিশপ ভাল করে, স্বতন্ত্র নমুনাগুলি প্রতিটি বোর্ডের কয়েকটি ল্যাপ সমাপ্ত করে। আমি ভেবেছিলাম যে প্রদত্ত কোলে একটি নমুনা কেবল বোর্ডের অর্ধেক অংশে চলে যেতে পারে (কেবল কালো চৌকো বা দাবা বোর্ডে কেবলমাত্র সাদা স্কোয়ারের সমতুল্য)। তবে, মার্টিন বাটনার যেমন উল্লেখ করেছেন, একটি টেলিপোর্টার একটি কালো বর্গ থেকে একটি সাদা স্কোয়ারে বা অন্যদিকে উল্টো দিকে একটি নমুনা সরিয়ে নিতে পারে তাই বেশিরভাগ বোর্ডে সেগুলি সীমাবদ্ধ থাকবে না।

(দুটি জোড়া ম্যাচযুক্ত টেলিপারপোর্টার ধরণের রয়েছে এবং প্রতিটিটির অফসেট হওয়ার সম্ভাবনা 0.5% থাকে যা একটি নমুনাকে কালো এবং সাদা স্কোয়ারের অন্য অর্ধেকের দিকে নিয়ে যায় So সুতরাং কেবলমাত্র একটি টেলিপোর্টার রয়েছে এমন একটি বোর্ডের সম্ভাবনা যা নমুনাকে একের মধ্যে সীমাবদ্ধ রাখে having কোলে প্রতি বোর্ডের অর্ধেক মাত্র 0.25)

স্কোরগুলি দেখায় যে মাঝেমধ্যে বিজয়গুলি দীর্ঘকালীন শেষের সাথে সংক্ষিপ্ত হয়ে পড়ে:

স্কোর: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 11 1 2 1 1 1 1 1 6 1 8 1 10 15 1 1 12544 1 2 1 1 1 1 3 7554 1 1 1 1 1

Answer 6

রান-বোনাস প্লেয়ার: জ্যামিতিক গড় 50.35 (5000 গেম পরীক্ষা)

এই বটটি রঙ-স্কোর প্লেয়ারের মতো ডিএনএর 6-বিট বিভাগের উপর ভিত্তি করে তাদের পৃথক রঙের স্কোয়ারগুলি স্কোর করে তবে ভিন্ন নম্বর সিস্টেমের সাথে। এই বটটি এই চিন্তাভাবনা দ্বারা অনুপ্রাণিত হয়েছিল যে এটি বিপরীতমুখী যে বিটগুলির মধ্যে একটির দ্বারা স্কোরের মান 32 দ্বারা পরিবর্তিত হয়, এবং অন্যটি কেবল 1 দ্বারা করে It এটি একটি রান করার জন্য n (n + 1) / 2 কে নির্ধারণ করে n পরপর 1 বিট। অতিরিক্তভাবে, এটি আটকে না পড়ার প্রয়াসে একটি এলোমেলোকরণ প্রক্রিয়া যুক্ত করে। এটি 30 এ 1 সুযোগ দিয়ে একটি এলোমেলোভাবে এগিয়ে চলেছে।

তুলনার জন্য, রঙ-স্কোর প্লেয়ার কয়েক হাজার-গেম টেস্টের 30 থেকে 35 রান করেছিলেন। মজার বিষয় হল, রঙ-স্কোর প্লেয়ারের সর্বাধিক গেমের স্কোর ছিল 3-5 মিলিয়ন পরিসরে, যখন রান-বোনাসের সর্বোচ্চ ছিল মাত্র 200,000। নিয়মিতভাবে ননজারো স্কোর পেয়ে লগারিদমিক গড় স্কোরিং সিস্টেম থেকে রান-বোনাস সুবিধা পান benefits

5000 গেমস চালাতে সি ++ নিয়ামকটিতে 6 টি থ্রেড সহ প্রায় 20 মিনিট সময় লেগেছে।

coord_t runbonus(dna_t d, view_t v) {
    int ymax[3], nmax, smax = -1;
    if(!v.rng.rint(30)) {
        int y;
        while(!~v(1, y = v.rng.rint(-1, 1)));
        return {1, y};
    }
    for(int y = -1; y <= 1; y++) {
        if(v(1, y) == OUT_OF_BOUNDS) continue;
        int score = 0;
        int streak = 0;
        for(int i = 0; i < 6; i++) {
            if(d[6*v(1,y) + i])
                score += ++streak;
            else
                streak = 0;
        }
        if(score > smax) {
            smax = score;
            nmax = 0;
        }
        if(score == smax) ymax[nmax++] = y;
    }
    return {1, ymax[v.rng.rint(nmax)]};
}

Comments

কৌতূহলের বাইরে, 5000 টি ট্র্যাক পরীক্ষা কতক্ষণ নিয়েছে? আমার ইঁদুরগুলিকে 1000 টি ট্র্যাক সম্পূর্ণ করতে এক ঘণ্টারও বেশি সময় প্রয়োজন, তাই আপনার পরীক্ষার কেসটি পুনরুত্পাদন করতে আমাকে সারা রাত কম্পিউটার চালিয়ে যেতে হবে।

@ কুরোইনকো আপনার প্রশ্নের উত্তরটি ইতিমধ্যে আমার উত্তরে ছিল।

— ফেয়ারস

ওহো দুঃখিত. আমি তখন আমার পিসিতে আপনার কোডটি চেষ্টা করব, গতির পার্থক্যে হার্ডওয়্যারটি কী অংশে অভিনয় করে তা দেখতে। এবং সম্ভবত এমএসভিসির পরিবর্তে জিসিসি ব্যবহারের চেষ্টা করুন। আমি লক্ষ্য করেছি যে এমএসভিসির চেয়ে বেশ কয়েকটি কোডের ভারী বিটগুলিতে 30% পারফরম্যান্স বৃদ্ধি পাবে।

আপনার কোডটি আমার আই 3-2100@3.1GHz এ 4 টি থ্রেড সহ 1000 টি ট্র্যাকের জন্য 20 মিনিটেরও বেশি দৌড়েছিল। স্কোর ছিল প্রায় 56 । মনে হচ্ছে এটি আমার পিসিটি আপনার চেয়ে 5 গুণ বেশি ধীর এবং কোনও কোড দেওয়া মেশিনে আমার কোডটি প্রায় 6 গুণ বেশি ধীর হবে (তবে যেকোনভাবে আরও ভাল স্কোর থাকা একটি দীর্ঘ গণনার সময়কে বোঝায়)। যেহেতু আমি একটি নতুন পিসি কিনতে খুব বিরতি পেয়েছি তাই এটি কিছুটা অপ্টিমাইজেশনের জন্য সময় এসেছে ...

Answer 7

স্টারপ্লেয়ার | সি ++ | স্কোর: 162 (500 গেম রান উপর ভিত্তি করে)

এই প্লেয়ারটি এগিয়ে যাওয়ার সর্বোত্তম উপায়টি অনুসন্ধান করতে A * ব্যবহার করার চেষ্টা করে। এটি কালারস্কোরপ্লেয়ারের মতো ওজনকে একইভাবে নির্ধারিত করে এবং ভিউয়ের ডান প্রান্তের দিকে পথচলা করার চেষ্টা করে। বাস্তবায়নটি আমি এর আগেও করেছি না কেন তবে এটি কমপক্ষে খুব ধীর হয় না।

#include <utility>

#define IDX(a,b) a[VIEW_DIST + b.x][VIEW_DIST + b.y]

std::pair<coord_t,int> planAhead(int weights[N_COLORS], view_t &v, coord_t target) {
    bool open[VIEW_DIST*2+1][VIEW_DIST*2+1] = {false};
    bool closed[VIEW_DIST*2+1][VIEW_DIST*2+1] = {false};
    int f_score[VIEW_DIST*2+1][VIEW_DIST*2+1] = {0};
    int g_score[VIEW_DIST*2+1][VIEW_DIST*2+1] = {0};
    coord_t came_from[VIEW_DIST*2+1][VIEW_DIST*2+1] = {{0,0}};
    open[VIEW_DIST][VIEW_DIST] = true;
    g_score[VIEW_DIST][VIEW_DIST] = v.rng.rint(5);
    f_score[VIEW_DIST][VIEW_DIST] = (abs(target.x) + abs(target.y)) * 10;
    for (;;) {
        coord_t current{VIEW_DIST+1,0};
        for (int x = 0; x < (VIEW_DIST*2+1); x++)
            for (int y = 0; y < (VIEW_DIST*2+1); y++)
                if (open[x][y] && (current.x > VIEW_DIST || f_score[x][y] < IDX(f_score,current)))
                    current = {x - VIEW_DIST, y - VIEW_DIST};
        if (current.x > VIEW_DIST)
            return {{1,0}, 1000000};
        if (current.x == target.x && current.y == target.y)
            break;
        IDX(open,current) = false;
        IDX(closed,current) = true;
        for (int dx = -1; dx <= 1; dx++) for (int dy = -1; dy <= 1; dy++) {
            if (dx == 0 && dy == 0)
                continue;
            coord_t tentative{current.x + dx, current.y + dy};
            if (abs(tentative.x) > VIEW_DIST || abs(tentative.y) > VIEW_DIST)
                continue;
            if (IDX(closed,tentative))
                continue;
            auto color = v(tentative.x, tentative.y);
            if (color == OUT_OF_BOUNDS)
                continue;
            auto tentative_g = IDX(g_score,current) + weights[color];
            if (!IDX(open,tentative) || tentative_g < IDX(g_score,tentative)) {
                IDX(came_from,tentative) = current;
                auto distance = abs(tentative.x - target.x) + abs(tentative.y - target.y);
                IDX(f_score,tentative) = tentative_g + distance * 10;
                IDX(g_score,tentative) = tentative_g;
                IDX(open,tentative) = true;
            }
        }
    }
    auto prev = target, current = target;
    while (current.x != 0 || current.y != 0)
        prev = current, current = IDX(came_from,current);
    return {prev, IDX(g_score,target)};
}

coord_t starPlayer(dna_t d, view_t v) {
    const int chunklen = DNA_BITS / N_COLORS;
    int weights[N_COLORS];
    for (int i = 0; i < N_COLORS; i++)
        weights[i] = dnarange(d, i*chunklen, chunklen);
    std::pair<coord_t,int> choice{{1,0}, 1000000};
    for (int y = -VIEW_DIST; y <= VIEW_DIST; y++) {
        auto plan = planAhead(weights, v, {VIEW_DIST, y});
        if (plan.second < choice.second)
            choice = plan;
    }
    return choice.first;
}

নমুনা স্কোর:

4 92078 1 10 1 1 3 3 2862314 5 24925 1 3 2 126502 1 24 1097182 39 1 1 47728 227625 137944 15 1 30061 1 1 3171790 19646 10 345866 1 1 1 829756 425 6699 22 8 1 1 6 6 104889 125608 1

Comments

1000 গেমসে আমি 133.2 এর স্কোর পেয়েছি, দুর্দান্ত।

— 15'15 এ 1515 এ জ্বর

Answer 8

ওয়ালগ্যাসার - 1000 গেম টেস্টে 113.266 স্কোর হয়েছে

এনকোডিং

আমি সত্যিই একটি সহজ 6 বিট / রঙ এনকোডিং করেছি। রঙ ডিকোড করতে [এন]

• জিনোমে প্রতিটি n'th বিট যোগ করুন 96 পর্যন্ত
• যদি যোগফলের স্কোর> = 4 হয় তবে এই স্কোয়ারটি ব্লক করা আছে বলে
• যদি যোগফলের স্কোর <= 4 হয় তবে এর চূড়ান্ত স্কোর এর যোগফলের 2%

জিনোম জুড়ে কোনও রঙের জন্য বিটগুলি ছড়িয়ে দিয়ে আমি এই সুযোগটি বাড়াচ্ছি যে উভয় পিতামাতার বিট প্রতিটি রঙের জন্য ব্যবহৃত হবে।

আন্দোলন

আমি ডান প্রান্তের স্কোয়ারগুলির জন্য সর্বনিম্ন ব্যয়ের পাথ অনুসন্ধান করার জন্য একটি (আমি নিশ্চিত যে খুব দক্ষ নয়) একটি * ভিত্তিক অনুসন্ধান ব্যবহার করি। যদি কোনও রঙের মানচিত্র, "অবরুদ্ধ" হয়ে থাকে তবে এটি অনুসন্ধানের মাধ্যমে প্রবেশ করা যাবে না। যদি অনুসন্ধান কোনও পথ খুঁজে না পায় তবে ধরে নেওয়া যায় যে এই ইঁদুরটি পুনরুত্পাদন করার পক্ষে উপযুক্ত নয় এবং এটি একটি বাম দিকে সরানোর মাধ্যমে এটি শেষ করার চেষ্টা করে।

অযোগ্য ইঁদুরের সংখ্যা হ্রাস করা

যেহেতু আমার জিনোমটি কার্যকরভাবে অনুমান করছে যে কোন স্কোয়ারগুলি প্রাচীর বা পশ্চাৎপদ টেলিপোর্টার ইঁদুর যাগুলির কোনও অনুমান নেই (কোনও রঙ নেই যা মানচিত্র অবরুদ্ধ করা হয়েছে) খুব উপযুক্ত নয়। এই ইঁদুরগুলি চেষ্টা ও অপসারণ করতে যদি কোনও রঙ অবরুদ্ধ হিসাবে চিহ্নিত না করা থাকে তবে প্রতিটি রঙকে অবরুদ্ধ হিসাবে চিহ্নিত করা হয় এবং ইঁদুর সর্বদা একটি বাম দিকে সরানো হবে।

করতে

বর্তমানে আচরণে কোনও এলোমেলোতা নেই তাই ইঁদুরের আটকে যাওয়া সহজ।

#include "./gamelogic.cpp"

#include <algorithm>
#include <set>
#include <map>
#include <climits>

bool operator< (const coord_t &a, const coord_t &b){
    if(a.x != b.x){ return a.x < b.x; }
    else if (a.y != b.y){ return a.y < b.y; }
    else{ return false; }
}

bool operator== (const coord_t &a, const coord_t &b){
    return (a.x == b.x) && (a.y == b.y);
}

int coordDistance(const coord_t &a, const coord_t &b){
    int xDif = abs(a.x - b.x);
    int yDif = abs(a.y - b.y);
    return xDif > yDif ? xDif : yDif;
}

int coordMinSetDistance(const coord_t &a, const std::set<coord_t> &ends){
    int min = INT_MAX;
    for (auto i : ends){
        int cur = coordDistance(a, i);
        if (cur < min){
            min = cur;
        }
    }
    return min;
}


class ColorMap{
public:
    view_t *v;
    int colors[16] = {};
    const int Blocked = -1;

    ColorMap(dna_t &d, view_t *v){
        this->v = v;

        //Decode the genome
        for (int i = 0; i <= (16*6); i++){
            if (d.at(i) == true){
                colors[i % 16]++;
            }
        }

        //Encode the result
        bool guessedWalls = false;
        for (int i = 0; i < 16; i++){
            if (colors[i] >= 4){
                colors[i] = Blocked;
                guessedWalls = true;
            }
            else{
                colors[i] = pow(2, colors[i]);
            }
        }

        if (guessedWalls == false){
            for (auto i : colors){
                i = Blocked;
            }
        }
    }

    int operator() (coord_t pos){
        if (abs(pos.x) > VIEW_DIST || abs(pos.y) > VIEW_DIST){
            return Blocked;
        }

        int value = (*v)(pos.x, pos.y);
        if (value == OUT_OF_BOUNDS){
            return Blocked;
        }
        else{
            return colors[value];
        }
    }

    void print(){
        int lower = -1 * VIEW_DIST;
        int upper = VIEW_DIST;
        for (int y = lower; y <= upper; y++){
            for (int x = lower; x <= upper; x++){
                std::cout << std::setw(3) << this->operator()({ x, y });
            }
            std::cout << std::endl;
        }
    }
};

class node{
public:
    coord_t pos;
    coord_t cameFrom;
    int gScore;
    int minDistance;

    node(coord_t pos, coord_t cameFrom, int gScore, int minDistance){
        this->pos = pos;
        this->cameFrom = cameFrom;
        this->gScore = gScore;
        this->minDistance = minDistance;
    }

    int fScore() const{ return gScore + minDistance; };

    bool operator< (const node &rhs) const{ return fScore() < rhs.fScore(); }
};

class EditablePriorityQueue{
private:
    //This is reversed so smallest are on top
    struct lesser{
        bool operator()(node *a, node *b) const{
            return (*b) < (*a);
        }
    };

    std::vector<node*> queue; // Use heap functions to maintain the priority queue ourself
    std::map<coord_t, node*> members;

public:
    EditablePriorityQueue(){};

    ~EditablePriorityQueue(){
        for (auto &m : members){
            delete m.second;
        }
    }

    bool empty(){ return members.empty(); }

    node *top(){
        auto top = this->queue.front();
        std::pop_heap(queue.begin(), queue.end(), lesser());
        queue.pop_back();
        members.erase(top->pos);
        return top;
    }

    void set(coord_t target, coord_t cameFrom, int gScore, int minDistance){
        auto targetLocation = members.find(target);

        //If the target isn't a member add it
        if (targetLocation == members.end()){
            auto *newNode = new node(target, cameFrom, gScore, minDistance);
            queue.push_back(newNode);
            std::push_heap(queue.begin(), queue.end(), lesser());
            members[target] = newNode;
        }
        //The target must be updated
        else{
            auto currentNode = targetLocation->second;
            if (currentNode->gScore > gScore){
                currentNode->gScore = gScore;
                currentNode->cameFrom = cameFrom;
                std::make_heap(queue.begin(), queue.end()); //More efficient way to do this?
            }
        }
    }
};

std::pair<coord_t, int> pathCost(ColorMap &m, coord_t start, const std::set<coord_t> &ends){
    EditablePriorityQueue openSet;
    std::set<coord_t> closedSet;
    std::map<coord_t, coord_t> cameFrom;

    openSet.set(start, start, 0, coordMinSetDistance(start, ends));
    while (openSet.empty() == false){
        auto current = openSet.top();
        closedSet.insert(current->pos);
        cameFrom[current->pos] = current->cameFrom;

        //Check if we're done
        if (ends.count(current->pos) != 0){
            //Recover the path
            coord_t path = current->pos;
            int finalScore = current->gScore;
            delete current;
            while (!(cameFrom[path] == start)){
                path = cameFrom[path];
            }

            return{ path, finalScore };
        }               

        //Examine current's neighbours
        for (int x = -1; x <= 1; x++) for (int y = -1; y <= 1; y++){
            coord_t neighbour = { current->pos.x + x, current->pos.y + y };

            if (x == 0 && y == 0){ continue; }

            closedSet.count(neighbour);
            if (closedSet.count(neighbour) != 0){ continue; }

            int neighbourScore = m(neighbour);
            if (neighbourScore == m.Blocked){ continue; }

            int tentativeScore = current->gScore + neighbourScore;
            openSet.set(neighbour, current->pos, tentativeScore, coordMinSetDistance(neighbour, ends));

        }
        delete current;
    }

    return{ { -1, 0 }, INT_MAX }; //Try to end it
}

coord_t myPlayer(dna_t d, view_t v) {
    auto ourMap = ColorMap(d, &v);

    std::set<coord_t> edges;
    for (coord_t edge = { VIEW_DIST, -1 * VIEW_DIST }; edge.y <= VIEW_DIST; edge.y++){
        edges.insert(edge);
    }

    //Move to the neighbor closest to a square on the right
    auto result = pathCost(ourMap, { 0, 0 }, edges);
    auto minMove = result.first;

    return minMove;
}

int main() {
    slog << "Geometric mean score: " << runsimulation(myPlayer) << std::endl;
}

Comments

এইচএম, এটি আমার সাথে সংকলন করে না g++ -std=c++11 .\wallguesser.cpp -O2 -o .\wallguesser.exe। আমি ত্রুটি অনেক পাওয়া কিন্তু প্রথম এক.\wallguesser.cpp:47:19: error: 'dna_t' has no member named 'at' if (d.at(i) == true){

— মার্টিন Ender

কোনও সমস্যা নেই, কেবল এটি সংশোধন atকরার জন্য পরিবর্তন করা []।

— শুক্রবার 2'15

Answer 9

FITTEST - জ্যামিতিক গড় স্কোর: 22 922 (2K রান)

আমার পদ্ধতির প্রতি:

1. কী প্রজাতিগুলিকে হত্যা করে এবং পছন্দসই আচরণ সংজ্ঞায়িত করুন (ক্রিয়ামূলক)
2. কোড (প্রযুক্তিগত) এ কাঙ্ক্ষিত আচরণ প্রয়োগ করুন
3. এটিকে অগ্রাধিকার দিন । এটি অন্যান্য কাঙ্ক্ষিত আচরণের চেয়ে গুরুত্বপূর্ণ বা কম গুরুত্বপূর্ণ।
4. সমাধানগুলির পরামিতিগুলি টুইট করে জ্যামিতিক গড় স্কোরকে অনুকূলিত করুন।

আমি একই 50 টি বীজের সাথে 2000 টিরও বেশি পরামিতিগুলির পরীক্ষা করেছি। সর্বাধিক প্রতিশ্রুতিবদ্ধ সেটগুলি নির্বাচিত হয়েছিল এবং 250 টি অভিন্ন বীজ ব্যবহার করে স্কোর করা হয়েছিল এবং সর্বাধিক র‌্যাঙ্কযুক্তগুলি পরের রাউন্ডের পরীক্ষার ইনপুট ছিল। সুতরাং আমি এই সমস্যাটির জন্য সর্বোত্তম জেনেটিক অ্যালগরিদম সন্ধান করার জন্য একটি জেনেটিক অ্যালগরিদম তৈরি করতে সক্ষম হয়েছি যেমন এম্বেম্ব007 ব্যবহারকারীর পরামর্শ অনুসারে ।

কাঙ্ক্ষিত আচরণ:

1. প্রজাতিগুলিকে কোন রঙগুলি নিরাপদ এবং কোনটি খারাপ তা শিখতে হবে ।
2. প্রজাতিগুলি প্রধানত 3 টি কোষের উপর ভিত্তি করে কোথায় যেতে হবে তার সিদ্ধান্তটি ফোকাস করা উচিত ঠিক সামনে, তবে যদি কোনও ভাল পদক্ষেপ উপলব্ধ না হয় তবে উল্লম্ব বা পশ্চাৎ পদক্ষেপগুলি বিবেচনা করা উচিত
3. প্রজাতিগুলিও তার চারপাশের 8 টি কোষের বাইরে কী রয়েছে তা দেখতে হবে এবং সিদ্ধান্ত গ্রহণের ক্ষেত্রে তথ্যটি ব্যবহার করা উচিত
4. প্রজাতিগুলির ফাঁদ সনাক্তকরণ শিখতে হবে ।
5. কিছু প্রজাতি ভুলভাবে ধরে নেয় যে দেয়ালগুলি ভাল এবং সর্বদা তাদের কাছে যাওয়ার চেষ্টা করে এবং তাই দেয়ালের সামনে আটকে যায়। যদি তারা সেই মুহূর্তে সর্বোচ্চ উপযুক্ত স্কোর সহ প্রজাতি হয় তবে তাদের ডিএনএ দেয়াল সম্পর্কে ভুল অনুমান সহ নবজাতকদের মধ্যে বহুবার নকল হয়ে গেছে । কিছু সময়ের পরে সমস্ত প্রজাতি দেয়ালের সামনে আটকে যায় এবং সেগুলির কোনওটিই পয়েন্টের লক্ষ্যে পৌঁছায় না। মুরনদের কীভাবে থামাব?

ডেটা স্টোরেজ পদ্ধতি:

আমরা চাই প্রজাতিগুলি জিনিস শিখুক, তার পরিবেশের সাথে খাপ খাইয়ে নেবে, উপযুক্ত হয়ে উঠুক। অনিবার্যভাবে এটি কেবল কাজ করে, যদি শেখারটি কোনওভাবে সংরক্ষণ করা যায়। শিখনটি 100 ডিএনএ বিটে 'সঞ্চিত' থাকবে। এটি সংরক্ষণ করার এক অদ্ভুত উপায়, কারণ আমরা আমাদের ডিএনএর মান পরিবর্তন করতে পারি না । সুতরাং আমরা ধরে নিই যে ডিএনএ ইতিমধ্যে খারাপ এবং ভাল চলনের তথ্য সঞ্চয় করে। যদি কোনও নির্দিষ্ট প্রজাতির জন্য সঠিক তথ্য তার ডিএনএতে সংরক্ষণ করা হয় তবে তিনি দ্রুত এগিয়ে যান এবং তার ডিএনএ সহ অনেকগুলি নতুন প্রজাতি উত্পাদন করবেন।

আমি জ্যামিতিক গড় স্কোরটি কীভাবে তথ্য সংরক্ষণ করা হয় সে সম্পর্কে সংবেদনশীল তা খুঁজে পেলাম। ধরে নেওয়া যাক আমরা ডিএনএর 100 বিটগুলির প্রথম 4 টি বিট পড়তে পারি এবং এটি একটি পূর্ণসংখ্যার ভেরিয়েবলে সঞ্চয় করতে চাই। আমরা এটি বিভিন্ন উপায়ে করতে পারি:

1. দশমিক ডেটা স্টোরেজ: 'বিল্ট-ইন' dnarangeফাংশন ব্যবহার করে উদাহরণস্বরূপ: 4 বিটগুলি 1011`1x2 ^ 3 + 0x2 ^ 2 + 1x2 ^ 1 + 1x2 ^ 0 = 15. সম্ভাব্য মান (4 বিটের জন্য): [0, 1 , 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
2. তথ্য সংরক্ষণের জন্য স্ট্রাইকগুলি:dnaStreakRange ফাংশনটি ব্যবহার করে (নীচে সংজ্ঞায়িত) উদাহরণস্বরূপ: 4 বিট 1011 হয়ে যাবে 1x1 + 0x1 + 1x1+ 1x2 = 4। সম্ভাব্য মান (4 বিটের জন্য): [0, 1, 2, 3, 6, 10]

int dnaStreakRange(dna_t &d, int start, int chunklen) {
    int score = 0;
    int streak = 0;
    for(int i = 0; i < chunklen; i++) {
        if(d[start + i])
            score += ++streak;
        else
            streak = 0;
    };  
    return score;
}

3. বিটসাম ডেটা স্টোরেজ:dnaCountRange ফাংশনটি ব্যবহার করে (নীচে সংজ্ঞায়িত) উদাহরণস্বরূপ: 4 বিট 1011 হয়ে যাবে 1x1 + 0x1 + 1x1 + 1x1 = 3। সম্ভাব্য মান (4 বিটের জন্য): [0, 1, 2, 3, 4]

int dnaCountRange(dna_t &d, int start, int chunklen) {
    int score = 0;
    for(int i = 0; i < chunklen; i++) {
        if(d[start + i])
            score ++;
    };  
    return score;
}

স্টোরেজ পদ্ধতির মধ্যে পার্থক্য হ'ল:

• দশমিক স্টোরেজ পদ্ধতিটি ডিএনএতে একক বিট পরিবর্তনের জন্য দুর্বল । বিটসাম মান 1011 থেকে 0011 থেকে পরিবর্তিত হয়ে এর মান 3 থেকে 2 এ পরিবর্তিত হয় যা একটি ছোটখাট পরিবর্তন।
• দশমিক স্টোরেজ পদ্ধতি একজাতীয় । সম্ভাব্য প্রতিটি মানের একই পরিবর্তন ঘটে change 4 বিট স্টোরেজ মেমরি ব্লক থেকে আপনি 15 টির মান পড়ার সুযোগটি 1/16 = 6%। কষ স্টোরেজ পদ্ধতি সজাতি নয় । 4 টি (15-3) / 16 = 81% (0111,1110,111 ব্যতীত সমস্ত 16 টি সংমিশ্রণ) স্ট্রাইক 4 বিটের মান কম বা সমান হওয়ার সুযোগ। দর্শনের নীচে যা বিতরণের আকার দেখায়। আপনি যেমন নীল তীর দেখতে পাচ্ছেন একটি 4 বিট স্ট্রাইক কম বা 6 এর সমান হওয়ার সম্ভাবনা 81%:

সমাধানগুলি অগ্রাধিকার দিন।

যখন কালারস্কোরপ্লেয়ার দু'টি ফরোয়ার্ড মুভগুলি অভিন্ন স্কোর সহ সনাক্ত করেছে তখন একটি স্বেচ্ছাসেবী পছন্দ করা হয়। আইএমএইচও, আপনার কখনই এলোমেলো ফাংশন v.rng.rint()ফাংশন ব্যবহার করা উচিত নয় । পরিবর্তে আপনার দ্বিতীয় অর্ডার প্রভাবের জন্য সমাধানগুলি মূল্যায়নের জন্য হুক হিসাবে সমান স্কোরের এই সুযোগটি ব্যবহার করা উচিত।

প্রথম অর্ডার প্রভাব সর্বাধিক অগ্রাধিকার পান। যদি সমান স্কোর পৌঁছে যায় তবে অগ্রাধিকার 2 সহ সমাধানটি বিরাজ করে এবং আরও অনেক কিছু। কোনও সমাধানের প্যারামিটারগুলি টিক দিয়ে আপনি সমান স্কোর হওয়ার সম্ভাবনাটিকে প্রভাবিত করতে পারেন এবং সেভাবে অগ্রাধিকার 1 এবং অগ্রাধিকার 2 সমাধানের ওজন পরিবর্তন করতে পারেন।

কাঙ্ক্ষিত আচরণ বাস্তবায়ন

কোন রঙগুলি নিরাপদ তা শিখুন:

• 16 টি রঙের 33% রঙ খারাপ এবং অতএব যখন কোনও চালনার স্কোর 63/3 এর নীচে থাকে তবে সরানোর অনুমতি দেওয়া হবে না। সুতরাং threshold = 63/3=21, যেখানে 63 টি 6 বিট এবং 33% = 1/3 (সর্বাধিক স্কোর উপরের গ্রাফটিতে দেখা যেতে পারে) এর সর্বোচ্চ স্কোর।

যদি কোনও ভাল পদক্ষেপ উপলব্ধ না হয় তবে উল্লম্ব বা পিছনে সরান:

• যখন কোনও ফরোয়ার্ড মুভগুলি অনুমতি দেওয়া হয় না, উল্লম্ব চালগুলি একে অপরের সাথে একইভাবে তুলনা করা হবে। যদি কোনও উল্লম্ব পদক্ষেপেরও অনুমতি না দেওয়া হয় তবে পশ্চাদপটে পদক্ষেপগুলি স্থানান্তরিত হয়। এটি weightMoveভেরিয়েবলের মাধ্যমে অর্জিত হয়।

এর বাইরে যা দেখুন:

• যখন 2 বা 3 পদক্ষেপের অভিন্ন স্কোর থাকে, তখন এই চলগুলির চারপাশের 3x3 বাক্সটি নির্ধারণ করবে (মাধ্যমে x2এবং y2লুপগুলি) সেরা বিকল্পটি ( mainSubScoreভেরিয়েবলের মাধ্যমে ) কী। 3x3 বক্সের মধ্যে সবচেয়ে ডান কলামটি নেতৃত্ব দিচ্ছে।

coord_t adjustedColorPlayer(dna_t d, view_t v) {
    const int chunklen = 6,threshold = 63/3;
    int xBestScore=0, yBestScore=0;
    long bestScore=-1, weightMove, weightMove2, mainScore;
    for(int x = -1; x <= 1; x++) {
        if (x < 0) weightMove = 1000; // moving backward
        if (x== 0) weightMove = 10000; //moving vertical
        if (x > 0) weightMove = 100000; //moving forward
        for(int y = -1; y <= 1; y++) {
            if(v(x, y) == OUT_OF_BOUNDS || (x==0&&y==0) ) continue;
            mainScore = dnarange(d,v(x,y)*chunklen,chunklen);
            if (mainScore<threshold+1) {
                mainScore =  0; //not a suitable move because too low score
            }else{
                mainScore*= weightMove;
                // when equal score, use sub score by examining 5x5 box to rank moves
                for(int x2 = x-1; x2 <= x+1; x2++){     
                    if (x2 < x) weightMove2 = 1; // moving backward
                    if (x2== x) weightMove2 = 10; //moving vertical
                    if (x2 > x) weightMove2 = 100; //moving forward
                    for(int y2 = x-1; y2 <= y+1; y2++){     
                        if(v(x2, y2) != OUT_OF_BOUNDS){
                            long mainSubScore = dnarange(d,v(x2,y2)*chunklen,chunklen);
                            if (mainSubScore>=threshold+1) mainScore+=mainSubScore*weightMove2;
                        }
                    }
                 }
            }
            if(mainScore > bestScore) {
                bestScore = mainScore;              
                xBestScore = x;
                yBestScore = y;
            }
        }
    }
    return{xBestScore,yBestScore};
}

স্কোর: 123 (2K রান)

প্রথম 50 স্কোর (18 গেমগুলি কেবল 1 পয়েন্ট অর্জন করেছে):

1 10 1 79947 3 1 11 125 7333287 23701 310869 53744 1 2 2 2 2 1 1757556 2 688438 60 1 2 2636261 26306 1 125369 1 1 1 61895 27 1 36 1 91100 87636 1 2 47497 53 16 1 11 222384 1 1 1

ফাঁদ চিহ্নিত করুন:

বিটসাম 4 স্টোরেজ ব্যবহার করে যখন একটি স্বেচ্ছাসেবীর খেলা শেষ হয়ে যায় তখন আমি প্রজাতির ডিএনএ পরীক্ষা করেছিলাম (সুতরাং রঙ স্কোরের পরিধি [0,4]):

• স্কোর 0: টেলিপোর্ট পিছনে, উভয় দেয়াল, 1x নিরাপদ
• স্কোর 1: ট্র্যাপ পিছনে (এত নিরীহ), টেলিপোর্ট পিছিয়ে, 1x নিরাপদ
• স্কোর 2: ট্র্যাপ এগিয়ে (এত বিপজ্জনক), 1x নিরাপদ
• স্কোর 3: টেলিপোর্ট ফরোয়ার্ড, 5x নিরাপদ
• স্কোর 4: টেলিপোর্ট ফরোয়ার্ড, 1x নিরাপদ

এ থেকে এটি সিদ্ধান্ত নেওয়া যেতে পারে যে দেয়াল এবং টেলিপোর্টগুলি একটি সঠিক স্কোর পায় score ফাঁকগুলি সনাক্ত করা যায় না যেহেতু তারা গতিপথের রঙের উপর ভিত্তি করে দিকনির্দেশ এবং উত্সের রঙের উপর নির্ভর করে। সুতরাং উত্সের রঙের উপরও ডেটা সংরক্ষণ করার প্রয়োজন রয়েছে v(0,0)। একটি আদর্শ বিশ্বে আমরা 16 রঙের এক্স 8 দিক নির্দেশ x 3 বিট = 384 বিটের জন্য তথ্য সঞ্চয় করতে চাই।

দুর্ভাগ্যক্রমে, এখানে কেবলমাত্র 100 বিট উপলব্ধ এবং আমরা এটি সমস্ত ব্যবহার করতে পারি না কারণ উপরে বর্ণিত সমাধানের জন্য আমাদের কিছু মেমরিও প্রয়োজন। অতএব আমরা 4 টি রঙিন বিন তৈরি করব:

• 0: রঙ 0 - রঙ 3,
• 1: রঙ 4 - রঙ 7,
• 2: রঙ 8 - রঙ 11,
• 3: রঙ 12 - রঙ 16

এবং 4 সরানো দিকের বিনগুলি

• 0: উল্লম্ব বা পিছনে সরানো,
• 1: উপরে এগিয়ে যান,
• 2: এগিয়ে যান,
• 3: নীচে এগিয়ে যান

যখন দশমিক স্কোর 4 বা উচ্চতর (100,101,110,111) হয়, তখন ধরে নেওয়া হয় যে এই কোষটির সাথে একটি ফাঁদ যুক্ত রয়েছে, ফলস্বরূপ, সমান স্কোর উঠলে এই পদক্ষেপটি নেওয়া হবে না। সুতরাং ফাঁদ শনাক্তকরণ একটি দ্বিতীয় আদেশ প্রভাব এবং 'এর বাইরে কী হবে' তৃতীয় অগ্রাধিকার সমাধান হবে।

int dnaLookup2(dna_t &d, int start, int chunklen, int storageMethod) {
    // Definition of storageMethod: 0=decimal, 1=streak, 2=bitsum
    int score = 0, streak = 0;
    for(int i = start; i < start+chunklen; i++) {
        int value = d[i];
        if (storageMethod==0) {
            score = (score << 1) |value;
        }else{
            if (storageMethod==1){
                if(value) score += ++streak; else streak = 0;
            }else{
                if(value) score ++;         
            }
        }
    };  
    return score;
}

coord_t theTrapFighter(dna_t d, view_t v) {
    // Definition of storageMethod: 0=decimal, 1=streak, 2=bitsum
    const int colorMemStorageMethod = 1, colorMemBlockSize = 3;
    const int trapMemStorageMethod = 0, trapMemBlockSize = 3;
    const int trapMemTopThreshold = 4, nDirBins = 4, nColorBins = 4;

    int xBestScore=0, yBestScore=0;
    long bestScore=-1, weightMove, weightMove2, mainScore;
  for(int x = -1; x <= 1; x++) {
        if (x < 0) weightMove = 1000; // moving backward
        if (x== 0) weightMove = 10000; //moving vertical
        if (x > 0) weightMove = 100000; //moving forward
        for(int y = -1; y <= 1; y++) {          
            int color = v(x, y);
            if(color == OUT_OF_BOUNDS || (x==0&&y==0) ) continue;
            mainScore = dnaLookup2(d,color*colorMemBlockSize,
             colorMemBlockSize,colorMemStorageMethod);
            if (mainScore==0) {
                //not a suitable move because too low score
            }else{
                mainScore*= weightMove;
                //lookup trap likelihood
                int directionBin = 0;
                if (nDirBins==3) directionBin = x>0?y+1:-1;
                if (nDirBins==4) directionBin = x>0?y+2:0;
                // put 16 colors in nColorBins bins
                int colorBin = v(0,0)*nColorBins/N_COLORS; 
                colorBin = colorBin>(nColorBins-1)?(nColorBins-1):colorBin;
                if (directionBin >= 0 &&
                 dnaLookup2(
                   d,
                   colorMemBlockSize*16
                    +trapMemBlockSize*(nColorBins*directionBin+colorBin),
                   trapMemBlockSize,
                   trapMemStorageMethod
                 ) >=trapMemTopThreshold){
                  //suspect a trap therefore no sub score is added                  
                 }else{
                    // when equal score, use sub score by examining 5x5 box to rank moves
                    for(int x2 = x-1; x2 <= x+1; x2++){     
                        if (x2 < x) weightMove2 = 1; // moving backward
                        if (x2== x) weightMove2 = 10; //moving vertical
                        if (x2 > x) weightMove2 = 100; //moving forward
                        for(int y2 = x-1; y2 <= y+1; y2++){     
                            int color2 = v(x2, y2);
                            if(color2 != OUT_OF_BOUNDS){
                                mainScore+=weightMove2 * dnaLookup2(d,color2*colorMemBlockSize,
                                 colorMemBlockSize,colorMemStorageMethod);
                            }
                        }
                    }               
                 }
            }
            if(mainScore > bestScore) {
                bestScore = mainScore;              
                xBestScore = x;
                yBestScore = y;
            }
        }
    }
    return{xBestScore,yBestScore};
}

স্কোর: 580 (2K রান)

প্রথম 50 স্কোর (13 গেমগুলি কেবল 1 পয়েন্ট করেছে):

28,044 14,189 1 2,265,670 2,275,942 3 122,769 109,183 401,366 61,643 205,949 47,563 138,680 1 107,199 85,666 31 29 29,1,819 1,81 1,81 1,81,81,81,81,81,81,81,81,81,81,81

দেওয়াল সম্পর্কে ভুল ধারণা মুরন দ্বারা নবজাতকদের মধ্যে বহুবার নকল করা হয়েছে:

কিছু প্রজাতি ভুলভাবে ধরে নেয় যে দেয়ালগুলি ভাল এবং সর্বদা তাদের কাছে যাওয়ার চেষ্টা করে এবং তাই দেয়ালের সামনে আটকে যায়। তারা টেলিপোর্টারদের অসীম লুপগুলিতে আটকে যেতে পারে। উভয় ক্ষেত্রেই প্রভাব একই রকম।

মূল সমস্যাটি হ'ল কয়েকশো পুনরাবৃত্তির পরে কিছু জিন খুব প্রভাবশালী হয়ে ওঠে । এগুলি যদি 'ডান' জিন হয় তবে আপনি খুব উচ্চ স্কোর (> 1 মিলিয়ন পয়েন্ট) পেতে পারেন। এগুলি যদি ভুল হয় তবে আপনি আটকে থাকেন, যেহেতু 'ডান' জিনগুলি খুঁজে পেতে আপনার বৈচিত্র্যের প্রয়োজন।

মরন লড়াই: সমাধান 1: রঙ বিপরীত

প্রথম সমাধানটি আমি চেষ্টা করেছিলাম অব্যবহৃত মেমরির একটি অংশ ব্যবহার করার চেষ্টা যা এখনও খুব বৈচিত্র্যময়। ধরে নেওয়া যাক আপনি আপনার রঙের মেমরির 84 টি বিট বরাদ্দ করেছেন এবং মেমরির ফাঁদ পেতে। অবশিষ্ট 16 বিট খুব বিচিত্র হবে। আমরা 2 দশমিক 8 ভেরিয়েবলগুলি পূরণ করতে পারি যাগুলির ব্যবধানে [0,255] এর মান রয়েছে এবং সেগুলি একজাতীয়, যার অর্থ প্রতিটি মানের 1/256 এর সুযোগ থাকে। ভেরিয়েবলগুলি ডাকা হবে inInverseএবং inReverse।

যদি inInverse255 (একটি 1/256 সুযোগ) এর সমান হয়, তবে আমরা রঙ স্কোরের ব্যাখ্যাকে বিপরীত করব । সুতরাং মোরন যে প্রাচীরটিকে উচ্চ স্কোর বলে নিরাপদ বলে মনে করে, এটি কম স্কোর পাবে এবং সুতরাং এটি একটি খারাপ পদক্ষেপে পরিণত হবে। অসুবিধাটি হ'ল এটি 'অধিকার' জিনগুলিকেও প্রভাবিত করবে, তাই আমাদের স্কোর কম হবে। তদুপরি এই inInverseপ্রজাতিটিকে নিজেই পুনরায় উত্পাদন করতে হবে এবং এর শিশুরা প্রভাবশালী ডিএনএর অংশও পাবে। সবচেয়ে গুরুত্বপূর্ণ অংশটি হ'ল বৈচিত্র্য ফিরিয়ে আনে।

যদি inReverse255 (একটি 1/256 সুযোগ) এর সমান হয়, তবে আমরা রঙের স্কোরগুলির সঞ্চয় স্থানের ক্রমটিকে বিপরীত করব । সুতরাং 0 0 বিট 0 0 সংরক্ষণ করা হবে আগে। এখন রঙ 15 পজিশনে সংরক্ষণ করা হবে। inInverseপদ্ধতির সাথে পার্থক্য হ'ল inReverseইচ্ছাটি এ পর্যন্ত করা কাজটিকে পূর্বাবস্থায় ফিরিয়ে আনবে। আমরা আবার স্কোয়ারে ফিরে এসেছি। আমরা এমন একটি প্রজাতি তৈরি করেছি যার খেলাটি শুরু হওয়ার সাথে সাথে একই রকম জিন রয়েছে (ফাঁদে ফেলা মেমরির বাদে)

অপ্টিমাইজেশান মাধ্যমে যদি এটি ব্যবহার করতে জ্ঞানী এটা পরীক্ষা করা হয় inInverseএবং inReverseএকই সময়ে। অপ্টিমাইজেশনের পরে এটি শেষ হয়েছে স্কোরটি বাড়েনি। সমস্যাটি হ'ল আমাদের জিনের সংখ্যা আরও বেশি, তবে এটি 'ডান ডিএনএ'কেও প্রভাবিত করে। আমাদের আর একটি সমাধান দরকার।

মরন লড়াই: সমাধান 2: হ্যাশ কোড

প্রজাতিটির 15 টি শুরুর সম্ভাব্য অবস্থান রয়েছে এবং বর্তমানে খুব বড় সম্ভাবনা রয়েছে যে তিনি যদি একই শুরুর অবস্থান থেকে শুরু করেন তবে ঠিক একই পথে অনুসরণ করবেন। যদি সে কোনও মুরন দেয়াল দেয় তবে তিনি একই দেয়ালে বার বার আটকে যাবেন। যদি ভাগ্যক্রমে তিনি অনেক দূরে প্রাচীরে পৌঁছাতে সক্ষম হন, তবে তিনি তার ভুল অনুমান দিয়ে ডিএনএ পুলকে আধিপত্য করা শুরু করবেন। আমাদের যা প্রয়োজন তা হ'ল তাঁর বংশধররা কিছুটা ভিন্ন পথ অনুসরণ করবে (যেহেতু তার পক্ষে এটি যাইহোক অনেক দেরি হয়ে গেছে), এবং সামনের প্রাচীরের সাথে আটকে থাকবে না, তবে আরও কাছের প্রাচীরের উপরে । এটি একটি হ্যাশকোড প্রবর্তন করে অর্জন করা যেতে পারে ।

বোর্ডের বর্তমান অবস্থানটি অনন্যভাবে সনাক্ত এবং লেবেল করার উদ্দেশ্য একটি হ্যাশকোডের হওয়া উচিত। উদ্দেশ্য (x, y) অবস্থানটি কী তা খুঁজে বের করা নয়, তবে আমার পূর্বপুরুষদের এই অবস্থানের আগে প্রশ্নগুলির উত্তর দেওয়া ?

ধরে নেওয়া যাক আপনার সামনে সম্পূর্ণ বোর্ড থাকবে এবং আপনি প্রতিটি 5 বাই 5 সেল সম্ভাব্য বর্গের একটি জেপিজি তৈরি করবেন। আপনি (53-5) x (15-5) = 380 চিত্র দিয়ে শেষ করবেন। আসুন 1 থেকে 380 পর্যন্ত এই চিত্রগুলির নম্বর দিন Our আমাদের হ্যাশকোডটি এমন একটি আইডি হিসাবে দেখা উচিত, এটির চেয়ে আলাদা যে এটি 1 থেকে 330 পর্যন্ত চলবে না, তবে আইডিএস অনুপস্থিত রয়েছে, যেমন, 563, 3424, 9424, 21245 ইত্যাদি etc.

unsigned long hashCode=17;
for(int x = -2; x <= 2; x++) {
    for(int y = -2; y <= 2; y++) {
        int color = v(x, y)+2;
        hashCode = hashCode*31+color;
    }
}       

লুপের অদৃশ্য হওয়া শুরুতে যুক্ত করা তথ্য রোধ করার জন্য প্রধান সংখ্যাগুলি 17এবং 31সেখানে রয়েছে। পরে কীভাবে প্রোগ্রামটির বাকী অংশে আমাদের হ্যাশকোডকে সংহত করতে হয় সে সম্পর্কে আরও

"সাবস্ক্রাইং মেকানিজম" কে অন্য সাবস্ক্রিং মেকানিজমের সাথে প্রতিস্থাপন করুন যখন দুটি বা তিনটি কক্ষের সমান মূল স্কোর থাকে সেখানে শীর্ষস্থানীয়দের বাছাই করার 50% সম্ভাবনা থাকবে, নীচের কোষগুলি বাছাই করার একটি 50% সম্ভাবনা থাকবে এবং মধ্যবর্তীটি বাছাই করা হবে এমন 0% সুযোগ থাকবে। সুযোগটি এলোমেলো জেনারেটর দ্বারা নির্ধারিত হবে না, তবে মেমরি থেকে বিট দ্বারা , যেহেতু আমরা নিশ্চিত করছি যে একই পরিস্থিতিতে একই পছন্দটি হয়েছে।

একটি আদর্শ বিশ্বে (যেখানে আমাদের স্মৃতিতে সীমাহীন পরিমাণ রয়েছে), আমরা আমাদের বর্তমান পরিস্থিতির জন্য একটি অনন্য হ্যাশকোড গণনা করব , উদাহরণস্বরূপ 25881, এবং মেমরির অবস্থান 25881 এ গিয়ে সেখানে পড়তে হবে যদি আমাদের শীর্ষ বা নীচের ঘরটি বেছে নেওয়া হয় (যখন সেখানে থাকে) সমান স্কোর)। সেই পথে আমরা ঠিক একই পরিস্থিতিতে থাকব (যখন আমরা উদাহরণস্বরূপ দ্বিতীয়বারের মতো বোর্ড ভ্রমণ করি এবং একই পজিশনে শুরু করি) একই সিদ্ধান্ত নেব। আমাদের যেহেতু অসীম স্মৃতি নেই আমরা হ্যাশকোডে উপলব্ধ মেমরির আকারের একটি মডিউল প্রয়োগ করব । বর্তমান হ্যাশকোড এই অর্থে ভাল যে মডুলো অপারেশনের পরে বিতরণ একজাতীয়।

যখন বংশধররা সামান্য পরিবর্তিত ডিএনএ নিয়ে একই বোর্ডে ভ্রমণ করেন তিনি বেশিরভাগ ক্ষেত্রে (> 99%) ঠিক একই সিদ্ধান্ত নেবেন। তবে আরও যত বড় সুযোগ আসবে তার পথটি তার পূর্বপুরুষদের থেকে পৃথক হতে পারে। সুতরাং তিনি এই সামনের প্রাচীরটি আটকে যাবেন এমন সুযোগটি খুব কম। একই পূর্ববর্তী প্রাচীরের সাথে আটকে যাওয়ার সময় তাঁর পূর্বপুরুষ তুলনামূলকভাবে বড়, তবে এটি এতটা খারাপ নয়, যেহেতু তিনি খুব বেশি বংশের জন্ম দেবেন না। ছাড়া হ্যাশকোড পদ্ধতির , কাছাকাছি এবং দূরে দেয়ালে আটকে হওয়ার সম্ভাবনা প্রায় একই

অপ্টিমাইজেশান

অপ্টিমাইজেশনের পরে, এই সিদ্ধান্তে পৌঁছেছে যে ফাঁদ সনাক্তকরণ টেবিলের প্রয়োজন নেই এবং রঙের জন্য 2 বিট যথেষ্ট sufficient মেমরির অবশিষ্ট 100-2x16 = 68 বিট হ্যাশ কোডটি সঞ্চয় করতে ব্যবহৃত হয়। দেখে মনে হচ্ছে হ্যাশ কোড প্রক্রিয়াটি ফাঁদগুলি এড়াতে সক্ষম।

আমি 15 প্যারামিটারের জন্য অনুকূলিত করেছি এই কোডটিতে টুইটযুক্ত পরামিতিগুলির সেরা সেট অন্তর্ভুক্ত করা হয়েছে (এখনও অবধি):

int dnaLookup(dna_t &d, int start, int chunklen, int storageMethod,int inInverse) {
    // Definition of storageMethod: 0=decimal, 1=streak, 2=bitsum
    int score = 0;
    int streak = 0;
    for(int i = start; i < start+chunklen; i++) {
        int value = d[i];
        if (inInverse) value = (1-d[i]);            
        if (storageMethod==0) {
            score = (score << 1) |value;
        }else{
            if (storageMethod==1){
                if(value) score += ++streak; else streak = 0;
            }else{
                if(value) score ++;         
            }
        }
    };  
    return score;
}

coord_t theFittest(dna_t d, view_t v) {
    // Definition of storageMethod: 0=decimal, 1=streak, 2=bitsum
    const int colorMemStorageMethod = 2, colorMemBlockSize = 2, colorMemZeroThreshold = 0;
    const int useTrapMem = 0, trapMemStorageMethod = -1, trapMemBlockSize = -1;
    const int trapMemTopThreshold = -1, nDirBins = -1, nColorBins = -1;
    const int reorderMemStorageMethod = -1, reorderMemReverseThreshold = -1;
    const int reorderMemInverseThreshold = -1;
    // Definition of hashPrority: -1: no hash, 0:hash when 'look beyond' scores equal,
    // 1: hash replaces 'look beyond', 2: hash replaces 'trap finder' and 'look beyond'
    // 3: hash replaces everything ('color finder', 'trap finder' and 'look beyond')
    const int hashPrority = 2;
    int inReverse = reorderMemReverseThreshold != -1 && 
     (dnaLookup(d,92,8,reorderMemStorageMethod,0) >= reorderMemReverseThreshold);
    int inInverse = reorderMemInverseThreshold != -1 && 
     (dnaLookup(d,84,8,reorderMemStorageMethod,0) >= reorderMemInverseThreshold);
    int trapMemStart=N_COLORS*colorMemBlockSize;
    unsigned long hashCode=17;
    int moveUp=0;
    if (hashPrority>0){
        for(int x = -2; x <= 2; x++) {
            for(int y = -2; y <= 2; y++) {
                int color = v(x, y)+2;
                hashCode = hashCode*31+color;
            }
        }       
        unsigned long hashMemStart=N_COLORS*colorMemBlockSize;
        if (useTrapMem==1 && hashPrority<=1) hashMemStart+=nDirBins*nColorBins*trapMemBlockSize;
        if (hashPrority==3) hashMemStart=0;
        int hashMemPos = hashCode % (DNA_BITS-hashMemStart);
        moveUp = dnaLookup(d,hashMemStart+hashMemPos,1,0,inInverse);
    }

    int xBestScore=0, yBestScore=0;
    long bestScore=-1, weightMove, weightMove2, mainScore;
    for(int x = -1; x <= 1; x++) {
        if (x < 0) weightMove = 1000; // moving backward
        if (x== 0) weightMove = 10000; //moving vertical
        if (x > 0) weightMove = 100000; //moving forward
        for(int y = -1; y <= 1; y++) {          
            int color = v(x, y);
            if (inReverse) color = 15-v(x, y);
            if(color == OUT_OF_BOUNDS || (x==0&&y==0) ) continue;
            //when MoveUp=1 -> give move with highest y most points (hashScore=highest)
            //when MoveUp=0 -> give move with lowest y most points (hashScore=lowest)
            int hashScore = (y+2)*(2*moveUp-1)+4; 
            mainScore = dnaLookup(
              d,
              color*colorMemBlockSize,
              colorMemBlockSize,
              colorMemStorageMethod,
              inInverse
             );
            if (mainScore<colorMemZeroThreshold+1) {
                mainScore =  0; //not a suitable move because too low score
            }else{
                mainScore*= weightMove;
                //lookup trap likelihood
                int directionBin = 0;
                if (nDirBins==3) directionBin = x>0?y+1:-1;
                if (nDirBins==4) directionBin = x>0?y+2:0;
                // put 16 colors in nColorBins bins
                int colorBin = v(0,0)*nColorBins/N_COLORS; 
                if (inReverse) colorBin = (15-v(0,0))*nColorBins/N_COLORS; 
                colorBin = colorBin>(nColorBins-1)?(nColorBins-1):colorBin;
                if (useTrapMem && directionBin >= 0 &&
                 dnaLookup(
                   d,
                   trapMemStart+trapMemBlockSize*(nColorBins*directionBin+colorBin),
                   trapMemBlockSize,
                   trapMemStorageMethod,
                   0
                 )>=trapMemTopThreshold){
                  //suspect a trap therefore no sub score is added                  
                 }else{
                    if (hashPrority>=1){
                        mainScore+=hashScore;
                    } else{
                        // when equal score, use sub score by examining 5x5 box to rank moves
                        for(int x2 = x-1; x2 <= x+1; x2++){     
                            if (x2 < x) weightMove2 = 1; // moving backward
                            if (x2== x) weightMove2 = 10; //moving vertical
                            if (x2 > x) weightMove2 = 100; //moving forward
                            for(int y2 = x-1; y2 <= y+1; y2++){     
                                int color2 = v(x2, y2);
                                if (inReverse) color2 = 15-v(x2, y2);
                                if(color2 != OUT_OF_BOUNDS){
                                    long mainSubScore = dnaLookup(
                                      d,
                                      color2*colorMemBlockSize,
                                      colorMemBlockSize,
                                      colorMemStorageMethod,
                                      inInverse
                                    );
                                    if (mainSubScore>=colorMemZeroThreshold+1){
                                        mainScore+=mainSubScore*weightMove2;
                                    }
                                }
                            }
                        }
                    }               
                 }
            }
            if (hashPrority==2 || (useTrapMem<=0 && hashPrority>=1)) mainScore+=hashScore*10;
            if (hashPrority==3) mainScore=hashScore*weightMove;         

            if(mainScore > bestScore) {
                bestScore = mainScore;              
                xBestScore = x;
                yBestScore = y;
            }
        }
    }
    return{xBestScore,yBestScore};
}   

স্কোর: 922 (2K রান)

প্রথম 50 স্কোর (9 গেমগুলি কেবল 1 পয়েন্ট অর্জন করেছে):

112.747 3 1 1.876.965 8 57 214.921 218.707 2.512.937 114.389 336.941 1 6.915 2 219.471 74.289 31 116 133.162 1 5 633.066 166.473 515.204 1 86.744 17.360 2 190.697 1 6 122 126.399 399.045 1 4.172.168 1 169.119 4.990 77.432 236.669 3 30.542 1 6 2.398.027 5 1 2 8

এটি আমার প্রথম সি ++ প্রোগ্রাম। জিনোম বিশ্লেষণে আপনার বেশিরভাগ পটভূমি আমার কাছে রয়েছে। আমি আয়োজকদের ধন্যবাদ জানাতে চাই, যেহেতু আমি এতে কাজ করে সত্যই উপভোগ করেছি।

আপনার কোনও প্রতিক্রিয়া থাকলে নীচে একটি মন্তব্য করুন leave দীর্ঘ পাঠের জন্য ক্ষমা চাইছি।

Comments

আমি আপনার ফাঁদ বিশ্লেষণ বেশ আকর্ষণীয় মনে।

আপনি কি অন্য হ্যাশ ফাংশনটি ব্যবহার করে দেখেছেন, যেমন 12.5 16 বিট শব্দ হিসাবে দেখা 25 টি রঙের মানগুলিকে xore করা এবং একটি মডুলো নেওয়া? আমি নিশ্চিত নই যে প্রাথমিক সংখ্যাটি একত্রিত করার চেয়ে আরও ভাল একাত্মতা পাওয়া যায়, তবে আমি কোনও বড় গণিতবিদ নন।

এছাড়াও, আপনি কোনও পথ নির্ধারণের অ্যালগরিদম যুক্ত করার বিষয়টি বিবেচনা করেছেন? জিনোম নির্বিশেষে এটি একটি বিশাল উন্নতির ফ্যাক্টর বলে মনে হচ্ছে, যেহেতু এটি জিনোমের সক্ষমতা কেবলমাত্র সেই পথগুলিতেই সীমাবদ্ধ করবে যা বিজয়ী অবস্থানে যাওয়ার সম্ভাবনা বেশি।

কুরোই, আপনার মতামতের জন্য ধন্যবাদ আমি সিওরিংয়ের চেষ্টা করিনি, যেহেতু আমি সি ++ তে বাইনারি অপারেশন নিয়ে এতটা ফ্যামিলার নই। আমি ধরে নিলাম আপনি 12.5 8 বিট শব্দটি বোঝাচ্ছেন? আপনি কি জিওরিং ব্যবহার করছেন?

— রুট

আমি কী ধরণের হ্যাশ ফাংশন ব্যবহার করি তা দেখতে আপনি আমার "কঠোর বিশ্বাসী" কোডটি দেখতে পারেন। মূলত আমি অফ-ট্র্যাক ঘরগুলি এড়িয়ে চলেছি এবং অন ট্র্যাক রঙগুলিকে একটি 16 বিট শব্দের উচ্চ এবং নিম্ন অর্ডার অংশ হিসাবে বিবেচনা করি। এই সমস্ত শব্দ XORs এর সাথে একটি রেজিষ্টারে জমা হয় যা হ্যাশ টেবিলের আকার দ্বারা বিভক্ত হয়। যতক্ষণ হ্যাশ সর্বাধিক মান (65535) সারণীর আকারের তুলনায় অনেক বেশি (<100), মডিউলগুলিতে একটি ভাল স্প্রেডিং শক্তি রয়েছে। আমি এলোমেলোভাবে উত্পাদিত গ্রিডগুলির একটি বিস্তৃত সেটটিতে এটি পরীক্ষা করেছি এবং মনে হয় এটির একটি ভাল মিল রয়েছে।

Answer 10

প্যাথফাইন্ডার, সি ++, প্রাথমিক স্কোর 35.8504 (50 রাউন্ড)

একটি সম্পূর্ণ ওভারহল! আমি আমার অ্যালগরিদমকে সি ++ এ পোর্ট করেছিলাম এবং এটি কিছুটা টুইট করেছি, তবে স্কোরটি এখনও খুব বেশি নয়, সম্ভবত ইঁদুরগুলি দেয়ালগুলিতে মাথা ঠেকিয়ে রাখে। আমি এটির উন্নতি করার চেষ্টা করে ক্লান্ত, তাই আমি এখনই এটি ছেড়ে দেই।

int dnarange(dna_t &d, int start, int len) {
    int res = 0;
    for(int i = start; i < start+len; i++) {
        res = (res << 1) | d[i];
    }
    return res;
}

int dnasum(dna_t &d, int start, int len) {
    int res = 0;
    for(int i = start; i < start+len; i++) {
        res += d[i];
    }
    return res;
}

int dnaweight(dna_t &d, int start) {
    return d[start] + d[start+1] + 2*d[start+2] + 2*d[start+3] + 3*d[start+4];
}

int trap_d [16] = {1,0,1,1,0,1,-1,1,-1,0,-1,-1,0,-1,1,-1}; //immutable
int nhood [10] = {1,0,1,1,1,-1,0,1,0,-1}; //immutable

coord_t pathfinder(dna_t d, view_t v) {
  int is_trap[16] = {0};
  int pos_or_weight[16] = {0};
  int u_weight = dnaweight(d, 80);
  for (int i = 0; i < 16; i++) {
    int status = dnarange(d, 5*i, 2);
    if (status == 1) {
      is_trap[i] = 1;
      pos_or_weight[i] = dnarange(d, 5*i + 2, 3);
    } else {
      pos_or_weight[i] = dnaweight(d, 5*i);
    }
  }
  int w_area[7][4] = {0};
  for (int j = 0; j < 7; j++) {
    w_area[j][3] = u_weight;
  }
  for (int i = 0; i < 3; i++) {
    w_area[0][i] = u_weight;
    w_area[6][i] = u_weight;
  }
  int d_coeff = dnaweight(d, 85);
  for (int i = 0; i < 3; i++) {
    for (int j = 1; j < 6; j++) {
      int p_or_w, color = v(i, j-3);
      if (color != OUT_OF_BOUNDS) {
    p_or_w = pos_or_weight[color];
      } else {
    p_or_w = 1000;
      }
      if (color != OUT_OF_BOUNDS && is_trap[color] && i+trap_d[2*p_or_w] >= 0) {
    w_area[j + trap_d[2*p_or_w + 1]][i + trap_d[2*p_or_w]] += d_coeff;
      } else {
    w_area[j][i] += p_or_w;
      }
    }
  }
  for (int i = 3; i >= 0; i--) {
    for (int j = 0; j < 7; j++) {
      int min_w = 1000;
      for (int k = std::max(0, j-1); k <= std::min(6, j+1); k++) {
    min_w = std::min(min_w, w_area[k][i + 1]);
      }
      w_area[j][i] += min_w;
    }
  }
  int speed = dnasum(d, 90, 5);
  w_area[2][0] += 2 + speed;
  w_area[4][0] += 2 + speed;
  int goal = dnaweight(d, 95);
  int min_w = 10000;
  int sec_w = 10000;
  int min_x, min_y, sec_x, sec_y, w;
  for (int i = 0; i < 5; i++) {
    w = w_area[nhood[2*i + 1] + 3][nhood[2*i]];
    if (w < min_w) {
      sec_w = min_w;
      sec_x = min_x;
      sec_y = min_y;
      min_w = w;
      min_x = nhood[2*i];
      min_y = nhood[2*i + 1];
    } else if (w < sec_w) {
      sec_w = w;
      sec_x = nhood[2*i];
      sec_y = nhood[2*i + 1];
    }
  }
  if (min_w > goal) {
    int r = v.rng.rint(5);
    return {nhood[2*r], nhood[2*r+1]};
  } else if (sec_w <= goal && v.rng.rint(100) < 2*speed) {
    return {sec_x, sec_y};
  }
  return {min_x, min_y};
}

ব্যাখ্যা

সাধারণ ধারণাটি হ'ল প্রতিটি বর্ণকে ফাঁদ হিসাবে চিহ্নিত করা বা না করা, তারপরে ফাঁদগুলিকে এবং ফাঁদগুলিকে নন-ট্র্যাপগুলিতে দিকনির্দেশনা প্রদান করা এবং দৃষ্টি গ্রিডের ডান সীমানায় ন্যূনতম-ওজনের পথ অনুসরণ করার চেষ্টা করুন।

জিনোমের প্রথম 80 বিটগুলিতে প্রতিটি রঙ 5 বিট ব্যবহার করে শ্রেণিবদ্ধ করা হয় abcde। যদি ab = 01, রঙটি একটি ফাঁদ হয় এবং cdeএর দিকটি আটকে দেয় (আটটি সম্ভাবনা)। যদি ab ≠ 01, রঙটি কোনও ফাঁদ নয় এবং এর ওজন a + b + 2*(c + d + e)।

এরপরে, আমরা একটি 3x7 গ্রিড শুরু করি, যা ইঁদুরের দৃষ্টি ক্ষেত্রটিকে তার ডানদিকে উপস্থাপন করে, "অজানা" রঙযুক্ত প্যাড করে। বিটস 80-84 অজানা কোষগুলির ওজনকে নন-ট্র্যাপ রঙের অনুরূপ এনকোড করে এবং বিটস 85-89 ফাঁদগুলির জন্য একটি সাধারণ ওজনকে এনকোড করে। আমরা ওজন দিয়ে গ্রিডটি পূরণ করি, সংক্ষিপ্ততম পাথগুলি গণনা করি এবং পাশের পাটি হতাশার জন্য সরাসরি ইঁদুরের উপরে এবং নীচে কোষগুলিতে কিছু অতিরিক্ত ওজন (90-95 বিটগুলিতে এনকোডযুক্ত) যুক্ত করি। বিট 95-99 একটি লক্ষ্য ওজন এনকোড। কোনও পথের সর্বনিম্ন ওজন যদি এর নিচে হয় তবে ইঁদুর সম্ভবত কোথাও আটকে আছে এবং এলোমেলোভাবে চলতে চলেছে (তবে কখনই ব্যাকট্র্যাক হয় না)। অন্যথায়, এটি সর্বনিম্ন ওজনের পথ অনুসরণ করে। পার্শ্ব প্রতিক্রিয়া-প্রতিরোধকারী ওজনের উপর নির্ভর করে একটি ছোট সম্ভাবনা সহ, ইঁদুর পরিবর্তে দ্বিতীয় থেকে ন্যূনতম ওজনের পথ বেছে নেয়। এটি দেয়াল আটকে যাওয়া রোধ করার জন্য (তবে এখনই এটি খুব ভালভাবে কাজ করবে না বলে মনে হয়)।

Comments

আমার কম্পিউটারে আপনার বাস্তবায়ন চালান। কয়েক ঘন্টা সময় নিয়েছে। এটি 7.848433940863856 পয়েন্টের গড় স্কোর পায়। পেস্টবিন.

— com

@ জাকুব অনেক ধন্যবাদ! এটি আমার প্রত্যাশার চেয়ে অনেক খারাপ, তবে এখন আমি আবার কোডটি দেখছি, আমি বেশ কয়েকটি বাগ এবং অন্যান্য বিজোড়তা দেখতে পাচ্ছি। আমি এটি পরে সি ++ এ পোর্ট করার চেষ্টা করব যাতে আমি নিজে এটি বিশ্লেষণ করতে পারি।

— জাগারব

Answer 11

লুকএহেডপ্লেয়ার সি ++ ≈ 89.904

আমার আসল চিন্তাটি ছিল 4 টি বিট সন্ধান করা যা আমি যে রঙটি খুঁজছিলাম তার সাথে মেলে এবং নীচে কয়েকটি বিটকে স্কোর হিসাবে ব্যবহার করব। এটি একটি ভয়ানক ধারণা হতে পারে, সম্ভবত রূপান্তরগুলির কারণে।

তাই আমি মিউটেশন এবং ক্রসওভারগুলি থেকে রক্ষা করার উপায়গুলি সম্পর্কে ভেবেছিলাম এবং এটি আমাকে কিউআর কোড ডিকোডিংয়ের কাজটি স্মরণ করিয়ে দিয়েছে। কিউআর কোডগুলিতে ডেটা প্রদত্ত অংশের অত্যধিক ক্ষতি থেকে ত্রুটিগুলি এড়ানোর জন্য ডেটাগুলি ব্লকগুলিতে বিভক্ত করা হয় এবং স্ট্রিপযুক্ত হয়।

অতএব, কালারস্কোরপ্লেয়ারের মতো, আমি ডিএনএকে ১ ch টি অংশে কাটা এবং সেগুলি প্রদত্ত স্কোর হিসাবে ব্যবহার করি। তবে স্কোরগুলি স্ট্রাইপযুক্ত যাতে প্রতিটি স্কোরের পৃথক বিটগুলি সংলগ্ন হয় না। তারপরে আমি বর্তমানের সম্ভাব্য পদক্ষেপ এবং পরবর্তী সম্ভাব্য পদক্ষেপের উভয়টির স্কোর যোগ করব এবং তৈরি করার সেরা পদক্ষেপটি বেছে নিই।

দ্রষ্টব্য: এটি কোডড / MinGW এ পরীক্ষা করা হয়েছিল। এটি অপটিমাইজেশন বা মাল্টিথ্রেডিংয়ের সাথে সংকলন করবে না। এইগুলি কাজ করবে এমন একটি সংকলক ব্যবহার করার জন্য আমার কাছে আসল লিনাক্স ইনস্টল বা ভিজ্যুয়াল স্টুডিও ব্যবহারের দরকার নেই। আমি কাল সকালে এটি পরীক্ষা করে যাচ্ছি, তবে আপনি যদি কোনও সমস্যা নিয়ে যান তবে দয়া করে আমাকে জানান।

// get striped color score, 6 bits per color. should be
// resistant to getting erased by a crossover
void mapColorsBitwise(dna_t &d, int* color_array) {
    for (int i=0; i<N_COLORS; i++) {
        int score = 0;
        for (int j=0; j<6; j++) {
            score = (score<<1) | d[ j*N_COLORS + i ];
        }
        color_array[i] = score;
    }
}

// label for the lookup tables
enum direction_lut {
    UP_RIGHT=0, RIGHT, DOWN_RIGHT
};

// movement coord_t's to correspond to a direction
static const coord_t direction_lut[3] = {
    { 1, -1 }, { 1, 0 }, { 1, 1 }
};

// indexes into the arrays to denote what should be summed
// for each direction.
static const int sum_lut[3][6] = {
    { 3, 4, 8, 8, 9, 14 }, { 9, 13, 13, 14, 14, 19 },
    { 14, 18, 18, 19, 23, 24 }
};

coord_t lookAheadPlayer(dna_t d, view_t v) {
    int scoreArray[25] = { 0 };
    int colorScores[N_COLORS] = { };

    // Get color mapping for this iteration
    mapColorsBitwise(d, colorScores);

    for (int y=-2; y<=2; y++) {
        for (int x=0; x<=2; x++) {
            // Get the scores for our whole field of view
            color_t color = v(x,y);
            if (color != OUT_OF_BOUNDS)
                scoreArray[ (x+2)+((y+2)*5) ] += colorScores[color];
        }
    }

    // get the best move by summing all of the array indices for a particular
    // direction
    int best = RIGHT;
    int bestScore = 0;
    for (int dir=UP_RIGHT; dir<=DOWN_RIGHT; dir++) {
        if (v(direction_lut[dir].x, direction_lut[dir].y) == OUT_OF_BOUNDS)
            continue;

        int score = 0;
        for (int i=0; i<6; i++) {
            score += scoreArray[ sum_lut[dir][i] ];
        }

        if (score > bestScore) {
            bestScore = score;
            best = dir;
        }
    }

    return direction_lut[best];
}

Answer 12

স্লোঅ্যান্ডস্টেডি সি ++ (স্কোর 9.7)

আমরা জিনোমের অংশগুলিকে সংখ্যা হিসাবে ব্যাখ্যা করার উপর নির্ভর করতে পারি না কারণ একক বিট-ফ্লিপ এর অবস্থানের উপর নির্ভর করে মূলত বিভিন্ন প্রভাব ফেলতে পারে। এজন্যই আমি কেবল 16 6-বিট অংশ ব্যবহার এবং সংখ্যার উপর তাদের স্কোর 1গুলি। প্রাথমিকভাবে 111111ভাল ছিল এবং 000000খারাপ ছিল, এবং এটি ডিএনএর প্রাথমিক কনফিগারেশনে দীর্ঘমেয়াদে (একবার জিনোম পুরোপুরি বিকশিত হওয়ার পরে) কিছু যায় আসে না, তাই আমি 9 - (#1 - 3)^2স্কোরিংয়ের জন্য ব্যবহার করতে স্যুইচ করেছি , এটি প্রথম রাউন্ড এবং দ্রুত বিবর্তনে আন্দোলনের অনেক বেশি স্বাধীনতার অনুমতি দেয়।

এই মুহুর্তে আমি কেবল। নিকটবর্তী প্রতিবেশীদের দিকে নজর রেখেছি, রঙের স্কোরের দিকে একটি দিক পক্ষপাত যুক্ত করব এবং এলোমেলোভাবে সর্বোচ্চ দিকের একটিতে চলেছি।

যদিও স্কোরটি নিজেই খুব বেশি নয় তবে আমার সমালোচকেরা ফিনিস লাইনে পৌঁছায় এবং 3/4 ক্ষেত্রে 1> স্কোর করে।

coord_t SlowAndSteadyPlayer(dna_t d, view_t v) {
    const int chunklen = 6;
    int color_scores[16] = {0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0};
    for(int i=0; i<16; i++){ //count ones
        for(int j=0; j<chunklen; j++){
            color_scores[i] += d[i*chunklen + j];
        }
    }

    int moves[7][2] = {
        {-1,1}, {0,1}, {1,1},
                       {1,0},
        {-1,-1},{1,-1},{-1,-1}
    };
    int movescores[7];
    int smax = -1;
    int nmax = 0;
    int best_moves[7];
    for(int m=0; m<7; m++){ //compute the score for each move
        int temp_color = v(moves[m][0], moves[m][1]);
        if(temp_color == OUT_OF_BOUNDS){
            movescores[m] = 0;
            continue;
        }
        int dir_bias[3] = {1,3,6};
        int temp_score = 9-(color_scores[temp_color]-3)*(color_scores[temp_color]-3) + dir_bias[moves[m][0]+1];
        movescores[m] = temp_score;

        if(temp_score > smax) {
            smax = temp_score;
            nmax = 0;
        }
        if(temp_score == smax) best_moves[nmax++] = m;
    }

    int best_chosen = v.rng.rint(nmax);
    return {moves[best_moves[best_chosen]][0], moves[best_moves[best_chosen]][1]};
}

এবং 100 বোর্ডে একটি নমুনা স্কোরিং

Scores: 5 4 13028 1 1 101 2 24 1 21 1 4 2 44 1 1 24 8 2 5 1 13 10 71 2 19528 6 1 69 74587 1 1 3 138 8 4 1 1 17 23 1 2 2 50 7 7 710 6 231 1 4 3 263 4 1 6 7 20 24 11 1 25 1 63 14 1 2 2 1 27 9 7 1 7 31 20 2 17 8 176 3 1 10 13 3 142 1 9 768 64 6837 49 1 9 3 15 32 10 42 8

জ্যামিতিক গড় স্কোর: 9.76557

Comments

কোনও বোর্ডের জন্য আপনি যে স্কোরটি উল্লেখ করেছেন সেটি কি স্ট্যান্ডার্ড মিউটেশন রেট বা আপনার সমন্বিত মান ব্যবহার করে?

— ট্রাইকোপল্যাক্স

"আমার সমালোচকেরা ফিনিস লাইনে পৌঁছে যান এবং 3/4 ক্ষেত্রে 1 স্কোর করেন" আমি আশা করি স্কোরিং মেট্রিক এটিকে পুরস্কৃত করেছে

— স্পার

Answer 13

ওয়েটচুজার | সি # | স্কোর: 1520 গেমগুলিতে 220.8262

সম্ভাব্য অনুসরণীয় চলনের গড় ওজনের ভিত্তিতে (নীল) সম্ভাব্য পরবর্তী পদক্ষেপের জন্য ওজন গণনা করে (হলুদ)

using ppcggacscontroller;
using System.Linq;
using System;

public class WeightChooser
{
    public static ppcggacscontroller.Program.Coord[] cspcoords = new[] {
            new Program.Coord(1, -1),
            new Program.Coord(1, 0),
            new Program.Coord(1, 1),
        };

    const int dnaBits = 4;

    public static void move(GameLogic.IView v, GameLogic.IGenome g, Random rnd, out int ox, out int oy)
    {
        var gcrds = cspcoords.Where(c => viewVal(v, c) > -1)
            .OrderByDescending(p => getBitsSet(g, viewVal(v, p)))
            .ThenByDescending(gt => weight(v, g, gt));

        Program.Coord nextMove = gcrds.First();
        ox = nextMove.x;
        oy = nextMove.y;
    }

    private static uint getBitsSet(GameLogic.IGenome g, int vVal)
    {
        uint i = g.cutOutInt(dnaBits * vVal, dnaBits);
        i = i - ((i >> 1) & 0x55555555);
        i = (i & 0x33333333) + ((i >> 2) & 0x33333333);
        return (((i + (i >> 4)) & 0x0F0F0F0F) * 0x01010101) >> 24;
    }

    private static int viewVal(GameLogic.IView v, Program.Coord c)
    {
        return v[c.x, c.y];
    }

    private static double weight(GameLogic.IView v, GameLogic.IGenome g, Program.Coord toGo)
    {
        double w = 0;

        int y = (toGo.y + v.yd) - 1;
        int i = 0;
        for (; i <= 2; i++)
        {
            int field = v[toGo.x + 1, (y + i) - v.yd];
            if (field > -1)
                w += getBitsSet(g, field);
        }

        return w / i;
    }
}

---

Scores: 32, 56103, 1361, 3351446, 33027, 23618, 22481, 1172713, 1, 3, 1, 1, 1, 2 88584, 106357, 1, 1232, 1, 1651280, 16690, 1, 1, 23732, 207554, 53, 69424, 1, 1,  79361, 1, 1, 51813, 229624, 25099, 2, 1, 234239, 362531, 1, 1, 19, 7295, 1, 7, 2, 196672, 1654208, 73453, 1, 23082, 1, 8, 5, 1685018, 4, 20, 1, 1, 1, 1, 1, 144 671, 122309, 10, 94752, 100895, 1, 54787, 54315, 252911, 79277, 1159, 241927, 94 347, 1, 318372, 37793, 1, 1, 1345310, 18934, 169700, 1, 1, 3, 186740, 83018, 121 758, 1, 358, 1935741, 88, 1, 1, 1, 1, 7, 21, 51144, 2, 1, 267638, 1, 1, 3, 1, 1,  1, 1, 674080, 47211, 8879, 7, 222766, 67214, 2, 89, 21038, 178463, 92846, 3, 14 0836, 1, 1, 111927, 1, 92165, 1, 192394, 1, 1, 2563722, 1, 42648, 1, 16, 1, 1, 2 85665, 1, 212653, 1, 4, 20513, 3, 135118, 13161, 2, 57, 78355, 3, 3, 44674, 8, 1 , 226472, 1, 1, 31588, 19619, 1, 2931870, 60814, 1, 1, 33867, 60740, 20558, 1, 1 5, 3, 5, 1, 1, 1, 60737, 450636, 468362, 1, 1, 347193, 91248, 551642, 1, 427215,  1, 57859, 17, 15, 66577, 24192, 1, 63560, 6568, 40279, 68216, 23098, 180732, 1,  1, 3041253, 1, 253488, 60535, 1, 1, 150838, 7361, 72855, 290699, 104644, 1, 763 01, 378, 1, 89220, 1, 262257, 2, 2, 1, 117, 105478, 33, 1, 65210, 1, 117588, 1, 1, 24320, 12, 3714568, 81152, 1, 1, 10125, 2, 1, 22, 1, 45201, 1, 1, 10518, 1, 1 , 1, 1, 34, 210021, 1, 1, 1, 65641, 6, 72, 1, 7, 2, 161578, 1, 1, 38378, 1, 4113 741, 1, 34450, 244212, 127660, 1, 256885, 46, 2, 1, 1, 103532, 1, 503965, 114774 , 52450, 124165, 73476, 50250, 1, 3, 3755352, 24928, 1, 1, 51, 11, 1, 210580, 1,  62375, 1, 1, 92745, 341232, 167675, 86, 242, 293710, 454841, 1, 49840, 4456758,  121378, 145323, 74904, 5048, 25459, 1, 57, 116999, 1, 1, 76074, 111447, 95706, 1, 1, 52631, 166756, 2159474, 161216, 1, 2, 3, 11904, 1, 22050, 6, 1, 1, 1, 41, 48908, 6, 80878, 28125, 28, 160516, 1, 4, 1, 8, 1, 1, 7, 362724, 1, 397193, 1, 2 5, 1, 59926, 3, 74548, 2320284, 470189, 1, 108, 1, 1, 16, 1, 496013, 1, 1, 1, 1,  107758, 1, 284144, 146728, 1, 70769, 94215, 1, 1, 9961, 97300, 7, 1, 76263, 1, 27, 294046, 40, 8, 2, 1, 57796, 2, 79800, 1043488, 470547, 1, 1, 1, 6, 69666, 8,  1, 1, 344011, 205325, 3963186, 1141527, 61598, 446029, 1, 1, 1, 1, 625247, 1877 92, 136391, 1, 72519, 1, 141168, 412, 98491, 103995, 297052, 1, 1, 1, 1, 3, 17, 9, 62899, 5, 47810, 254, 26789, 2, 1, 1, 3, 10361, 19615, 40430, 17288, 3, 71831 , 41374, 1, 91317, 409526, 1, 184305, 1, 192552, 3, 3587674, 39, 13, 134500, 41,  42, 672, 559835, 9, 39004, 51452, 1, 1, 12293, 11544, 265766, 8590, 1, 8632, 1,  1, 61849, 35155, 1, 74798, 72773, 1, 89, 37, 4, 4405882, 1, 99, 44397, 5, 4, 6,  1, 1, 1, 515818, 78383, 20, 127829, 1824801, 157, 1, 1, 268561, 19, 2, 230922, 1, 103, 98146, 5029789, 304324, 1, 5, 60516, 1, 139, 28982, 7, 20755, 187083, 1,  1, 143811, 37697, 1, 1, 269819, 83, 1, 202860, 13793, 16438, 113432, 1, 1, 2, 5 134384, 29, 84135, 39035, 2, 125, 1, 30, 129771, 41982, 13548, 61, 1, 2, 1, 82, 102, 2, 105581, 210399, 291204, 3012324, 1, 84763, 1, 1, 442067, 2, 1, 1, 1, 116 , 1, 3, 3, 56, 208807, 1, 2, 1, 14, 29, 31286, 1, 1, 162358, 28856, 46898, 1, 16 2698, 1, 1, 1, 65, 1, 1, 234566, 6, 1, 1, 128, 124, 2167692, 181946, 29, 1, 1, 1 , 1, 17, 162550, 179588, 4, 226480, 28, 1, 158512, 35084, 1, 26160, 17566, 1, 81 826, 2, 33, 1, 1, 11, 1, 230113, 1, 1, 1, 24405, 17, 1, 2, 1, 162365, 2, 1, 1, 8 5225, 1, 15016, 51509, 1, 5, 1, 93, 13, 59, 24548, 1, 3, 2, 2, 1, 64424, 1, 1, 4 , 1, 1, 1, 2, 267115, 139478, 52653, 96225, 1, 1, 35768, 3, 1, 1, 3280017, 8, 80 014, 43095, 112102, 1, 1, 1, 79594, 5, 1, 1, 4, 455714, 19, 15, 1, 233760, 55850 5, 2, 2, 1, 63672, 1, 3732951, 1, 135858, 134256, 452456, 151573, 79057, 638215,  88820, 1, 1, 76517, 13, 314006, 5, 1, 17704, 1, 79589, 1, 18371, 530793, 59020,  1, 1, 1, 4, 1, 1, 1, 71735, 1, 1, 1, 1, 1, 37894, 1, 2, 24054, 1, 8, 26471, 34,  1, 48033, 5, 3, 1, 25, 101, 1, 1, 5, 1, 1, 1, 97521, 1, 682817, 286486, 5, 1472 4, 1, 7805226, 6, 1, 1, 1, 7, 2, 1, 1, 1, 25, 233330, 1, 20899, 3417337, 92793, 23, 80821, 1, 1, 115948, 264191, 3, 79809, 1, 2, 59531, 2, 1, 1, 28684, 97, 1, 2 69433, 98769, 1, 76608, 138124, 1, 1, 325554, 122567, 1, 1, 3, 689604, 4, 85823,  66911, 138091, 169416, 21430, 1, 2, 486654, 108446, 93072, 1, 67907, 4, 1, 1, 5 2260, 67867, 210496, 25157, 1, 1, 1, 5477, 2, 2, 11907, 106, 48404, 1, 1, 1, 787 11, 190304, 112025, 1, 9313, 143055, 40189, 315537, 157581, 70714, 6, 180600, 38 594, 103658, 59444, 7, 31575, 1, 1, 581388, 370430, 1, 114446, 1, 1, 2, 3968, 1,  1, 1, 1, 1, 4523411, 1, 1, 270442, 1, 59, 235631, 3, 110196, 9, 1, 93724, 1, 22 917, 1, 6, 1, 2350266, 1, 1, 20, 4686858, 31, 1, 240180, 10, 470592, 3, 61051, 1 45372, 2831, 64052, 10, 120652, 255971, 479239, 1, 387659, 1, 1, 1, 378379, 7, 3 3218, 55914, 1, 1, 1667456, 6, 2, 74428, 3, 2, 1, 121582, 121274, 19651, 59899, 1, 11, 406670, 137835, 100269, 2, 164361, 98762, 44311, 25817, 178053, 31576, 1,  8, 2539307, 121430, 1, 41001, 1, 4, 1, 116258, 91101, 1, 126857, 1, 8, 49503, 1 , 489979, 12, 500332, 1, 52, 4, 8786, 4, 4878652, 12354, 27480, 89115, 87560, 11 793, 5, 1, 4702325, 301188, 1, 1, 1, 1, 1, 416520, 49357, 230103, 24497, 1, 3, 2 , 57366, 183021, 1, 1, 1, 1, 1, 2, 2, 2546229, 1, 2, 38665, 1, 6903, 1, 89519, 9 5119, 64879, 1, 1, 160380, 474336, 3107, 1, 7, 29099, 28667, 3, 196933, 35979, 1 2924, 7, 1, 99885, 6, 1, 1, 1, 7, 1, 1, 1, 1, 65727, 1, 1, 1, 1, 2108110, 3, 107 811, 23818, 701905, 1, 156034, 32, 1, 29, 143548, 1, 67665, 4612762, 1, 3, 20, 1 , 1, 9, 28543, 1, 1, 1, 30978, 9, 1, 19504, 79412, 15375, 763265, 1, 352373, 193 045, 1, 4570217, 9, 1, 6, 29180, 90030, 1, 1, 1, 1, 1, 93, 1, 100889, 1, 1, 37, 15, 17, 1, 81184, 1, 2, 272831, 1, 137, 1, 9, 42874, 679183, 1, 350027, 12, 1, 2 , 1, 26408, 1, 11182, 1, 30, 139590, 7, 3, 1, 1, 34729, 1, 2, 1, 1, 50343, 66873 , 3891, 1, 148952, 1, 1, 22322, 104176, 1, 3, 20549, 140266, 37827, 30504, 17, 6 8588, 120195, 1, 123353, 2, 64301, 11, 1, 109867, 4, 1, 1, 1, 28671, 1, 50963, 5 4584, 1, 1, 1, 33, 1, 381918, 1, 265823, 4771840, 155179, 314, 134086, 1, 1, 30,  1, 2, 1102665, 18, 132243, 3861, 1, 1, 208906, 60112, 1, 1, 1, 31273, 551, 3490 0, 2, 43606, 1, 1, 1, 1, 5, 2, 88342, 2, 1, 19, 3, 1, 1, 1, 1, 28507, 1, 491467,  1, 1, 22, 1, 1, 1, 1, 9345, 9, 18, 84343, 1, 2, 1, 18, 36816, 1, 1, 513028, 287 88, 5037383, 721932, 170292, 108942, 539115, 1, 575676, 20, 1, 31698, 99797, 205 21, 380986, 1, 1, 14, 2, 1, 201100, 30, 1, 119484, 1, 1, 1, 1, 2214252, 3, 4, 18 179, 9, 4, 542150, 1, 6, 157, 3182099, 4, 1, 1, 6140, 3339847, 498283, 52523, 1,  1, 1, 1, 1, 202054, 263324, 1, 6, 2, 1, 2, 72357, 12, 5, 66, 4, 7368, 1, 30706,  61936, 3945270, 138991, 1, 68247, 1, 1, 30482, 35326, 1, 1, 9, 1, 148, 1, 46985 , 1, 4325093, 1, 1, 2880384, 65173, 1, 56581, 179178, 372369, 56187, 3, 12, 8, 4 00743, 3, 28658, 1, 1, 9, 1, 4, 2, 34357, 1, 42596, 68840, 2, 62638, 158027, 617 34, 71263, 1, 1, 9, 1, 6830309, 3, 1, 1, 157253, 129837, 9, 5008187, 48499, 5981 3, 1, 40320, 233893, 5, 1383, 7732178, 16, 1, 13, 5686145, 84554, 1, 79442, 1, 1 , 256812, 127818, 31, 226113, 1, 4, 1, 1, 4506163, 1, 4, 1, 40176, 19107, 205, 2 7, 1, 448999, 1, 1, 2750, 62723, 1, 12, 1, 1, 79881, 1, 48, 13, 4, 1, 28765, 1, 33, 291330, 30817, 2, 1, 1, 1, 4170949, 16, 1, 1, 118781, 10473, 520797, 1, 8, 1 , 80215, 1, 21759, 5143209, 79141, 40229, 1, 17403, 71680, 1115694, 1, 1, 1, 10,  1, 77149, 382712, 1, 11, 84891, 47633, 1, 2, 39037, 1, 213148, 1607280, 127674,  1, 333207, 1, 78901, 1, 16203, 87580, 1, 1565571, 537902, 53000, 15, 1, 2, 1, 2 13127, 1, 338634, 2469990, 469479, 9519, 51083, 1, 42082, 33179, 1, 1, 32444, 3,  1, 201642, 99724, 377, 1, 2, 1, 36919, 1, 322707, 2, 164765, 82516, 1, 5274643,  1, 36421, 1, 8, 1, 117856, 1, 1, 493342, 1, 36289, 7, 1, 62, 2, 1, 38533, 1, 68 , 45754, 9, 102015, 312941, 1, 99 
Final score is 220.826222910756

Answer 14

ক্রিয়ায় রেট (কোনও উত্তর নয়, তবে সি ++ বটগুলির জন্য একটি গ্রাফিক সরঞ্জাম)

এই চ্যালেঞ্জের সূচনা হওয়ার পরে, ইঁদুরগুলি সত্যিকার অর্থে ট্র্যাকের মুখোমুখি হয়েছিল তা নির্ধারণ করতে আমার অসুবিধা হয়েছিল।
শেষ পর্যন্ত আমি কন্ট্রোলারটিকে হ্যাক করেছি এবং একটি ট্র্যাকের কিছু গ্রাফিক উপস্থাপনা পেতে একটি পাশের সরঞ্জাম লিখেছি।
অবশেষে আমি আরও কিছু হ্যাকিং করেছি এবং প্রদত্ত ইঁদুরের ডিএনএর সম্ভাব্য পথগুলির একটি দৃশ্য সংযোজন করেছি।

মানচিত্রটি অত্যন্ত বিশৃঙ্খলাযুক্ত এবং এর কিছুটা অভ্যস্ত হওয়া দরকার, তবে আমার বটগুলি কীভাবে কাজ করেছিল তা বুঝতে এটি বেশ সহায়ক হয়েছিল helpful

এখানে একটি উদাহরণ:

আপনাকে কিছু দেখতে সম্ভবত জুম-ইন করতে হবে, সুতরাং এখানে প্রথমার্ধটি কেবল:

প্রথমে আসুন, ইঁদুরের পথগুলি দেখি। প্রতিটি সম্ভব শুরুর অবস্থানের জন্য একটি পথ রয়েছে (সাধারণত 15, কখনও কখনও কিছুটা কম)। সাধারণত এগুলি একীভূত হওয়ার প্রবণতা থাকে, আদর্শভাবে একক বিজয়ের অবস্থানের দিকে নিয়ে যায়।

পাথগুলি বড় সরল তীর দ্বারা প্রতিনিধিত্ব করা হয়। রঙ পরিণতি বর্ণনা করে:

• সবুজ: জয়
• হলুদ: অসীম লুপ
• বাদামি: প্রাচীর বেজিং
• red: দুর্ভাগ্য দুর্ঘটনা

উদাহরণস্বরূপ, আমাদের 12 টি বিজয়ী শুরুর অবস্থান রয়েছে, যার মধ্যে একটি অসীম লুপের দিকে নিয়ে যায় এবং দু'জন একটি মারাত্মক মৃত্যুর দিকে ধাবিত হয় (ফাঁদে তাকে টেলিফোর্ড করা হয়, যেমনটি প্রদর্শিত হয়)।

পাথ বিচ্ছিন্নতা টেলিপোর্টেশনের কারণে হয়, যা আপনি সংশ্লিষ্ট বাঁকা তীরগুলির সাথে অনুসরণ করতে পারেন।

রঙিন প্রতীক জন্য এখন। তারা 16 টি বর্ণের অর্থ উপস্থাপন করে (ধূসর রংগুলি ইঁদুর যা দেখায় তা উপস্থাপন করে)।

• প্রাচীর: বর্গক্ষেত্র
• টেলিপোর্টার: 4 ব্রাঞ্চেড স্টার
• ফাঁদ সনাক্তকারী: ছোট অষ্টভোগ on

খালি রঙগুলি ... ভাল ... খালি।

টেলিপোর্টারদের বহির্গামী তীরগুলি তাদের গন্তব্যের দিকে নির্দেশ করে।

ট্র্যাপ ডিটেক্টরগুলিতেও ফাঁদ চিহ্নিতকারী তীর রয়েছে, যা একটি লাল বৃত্ত হিসাবে চিহ্নিত করা হয়।
9 এর মধ্যে একটি ক্ষেত্রে, ফাঁদটি তার ডিটেক্টর হিসাবে একই কোষে অবস্থিত, এক্ষেত্রে আপনি লাল বৃত্তের শীর্ষে ছোট্ট অক্টোগন দেখতে পাবেন।

এই উদাহরণে ফ্যাকাশে হলুদ ফাঁদের ক্ষেত্রে এটি।
আপনি মাউভ ট্র্যাপ ডিটেক্টরগুলি তাদের নির্দেশিত ফাঁদটির দিকে ইঙ্গিত করতেও দেখতে পারেন।

লক্ষ্য করুন যে কখনও কখনও একটি ফাঁদ এর লাল বৃত্ত একটি প্রাচীর নীচে লুকানো হবে। উভয়ই প্রাণঘাতী তাই টেলিপোর্টের ক্ষেত্রে ফলাফল একই same
এটিও লক্ষ করুন যে কোনও ট্র্যাপার একটি ফাঁদটি অবস্থিত হতে পারে, সেই ক্ষেত্রে টেলিপোর্টারটি অগ্রাধিকার গ্রহণ করে (অর্থাত্ ইঁদুরটি ফাঁদে পড়ার আগে টেলিফোর্ড করা হয়, ফলস্বরূপ ফাঁদটিকে নিরপেক্ষ করে)।

শেষ অবধি, ধূসর চিহ্নগুলি আমার ইঁদুরগুলি যা দেখায় তা বোঝায় (অর্থাত রঙগুলির সাথে তাদের জিনোম বৈশিষ্ট্যগুলি বোঝায়)।

• প্রাচীর: বর্গক্ষেত্র
• ফাঁদ সনাক্তকারী: অক্টোগন
• ফাঁদ: এক্স

মূলত, ধূসর স্কোয়ারে বসে থাকা সমস্ত কোষ ইঁদুর দ্বারা দেয়াল হিসাবে বিবেচিত হয়।
বিগ এক্স এর সাথে সম্পর্কিত অষ্টভোগগুলি সনাক্তকারী সনাক্তকারী ইঙ্গিতগুলি ফাঁদ হিসাবে বিবেচিত কোষগুলিকে উপস্থাপন করে।

এই উদাহরণে, উভয় দেয়াল যেমন চিহ্নিত করা হয় যেমন ফ্যাকাশে হলুদ ফাঁদ (সত্যই একটি মারাত্মক কোষ নির্দেশ করে, সুতরাং এটি প্রাচীর হিসাবে উপস্থাপন করা সঠিক)।
মউভ ট্র্যাপ ডিটেক্টরটি সনাক্ত করা হয়েছে যেমন (এটি ধূসর অক্টোগনের উপর বসে) তবে ট্র্যাপের অবস্থানটি ভুল (আপনি দেখতে পারেন যে কয়েকটি লাল চেনাশোনাগুলির নীচে কোনও ক্রস নেই)।

4 টি টেলিপোর্টারগুলির মধ্যে 2 টি দেয়াল (ফিরোজা এবং ট্যান) হিসাবে বিবেচিত হয় এবং 2 টি খালি ঘর (লালচে এবং হলুদ) হিসাবে বিবেচিত হয়।

কয়েকটি খালি কোষ ফাঁদ সনাক্তকারী বা দেয়াল হিসাবে বিবেচিত হয়। ঘনিষ্ঠভাবে তাকান, আপনি দেখতে পাচ্ছেন যে এই "ত্রুটিযুক্ত ডিটেক্টর" প্রকৃতপক্ষে এমন কোষগুলিতে প্রবেশ করতে নিষেধ করছে যা ইঁদুরকে সমস্যায় ফেলতে পারে, সুতরাং যদিও তারা আসল রঙের সাথে মেলে না, তবুও তাদের একটি নির্দিষ্ট উদ্দেশ্য রয়েছে।

কোড

ওয়েল এটি একটি জগাখিচুড়ি, কিন্তু এটি বরং ভাল কাজ করে।

প্লেয়ারের কোড থেকে দেখেছি, আমি কেবল একটি ইন্টারফেস যুক্ত করেছি: একটি ট্রেস ফাংশন প্রদত্ত ডিএনএর অর্থ প্রতিবেদন করতে ব্যবহৃত হয়। আমার ক্ষেত্রে আমি 3 ধরণের (ওয়াল, ট্র্যাপ ডিটেক্টর এবং খালি) ব্যবহার করেছি তবে আপনি মূলত রঙ সম্পর্কিত কিছু আউটপুট করতে পারেন (বা জিনোম-সম্পর্কিত গ্রাফিক্স না চাইলে কিছুই নয়)।

আমি সম্ভাব্য সমস্ত অবস্থান থেকে ইঁদুরের ডিএনএর "শুকনো রান" দিয়ে ট্র্যাক এবং রঙ বর্ণনার সাথে জড়িত একটি বিশাল চরিত্রের স্ট্রিং তৈরি করতে নিয়ামককে হ্যাক করেছি।

এর অর্থ হ'ল যদি বট এলোমেলো মান ব্যবহার না করে তবে ফলাফলগুলি সত্যই অর্থবহ হবে। অন্যথায়, প্রদর্শিত পাথগুলি কেবল একটি সম্ভাব্য ফলাফলকে উপস্থাপন করবে।

শেষ অবধি, এই সমস্ত চিহ্নগুলি একটি বৃহত পাঠ্য ফাইলে রাখা হয় যা পরে পিএইচপি ইউটিলিটি দ্বারা গ্রাফিক আউটপুট উত্পাদন করে read

বর্তমান সংস্করণে, আমি প্রতিবার একটি নতুন সর্বাধিক ফিটনেসে পৌঁছানোর পরে ইঁদুর মারা যাওয়ার পরে একটি স্ন্যাপশট নিয়েছি (এটি বেশিরভাগ স্ন্যাপশটের প্রয়োজন ছাড়াই জিনোমের প্রগতিশীল পরিমার্জন প্রদর্শন করে), এবং খেলার শেষে একটি চূড়ান্ত স্ন্যাপশট (এটি দেখায়) সর্বাধিক সফল ডিএনএ)।

কেউ আগ্রহী হলে আমি কোডটি প্রকাশ করতে পারি।

স্পষ্টতই এটি কেবল সি ++ বটগুলির জন্য কাজ করে এবং আপনি কিছু জিনোম-নির্দিষ্ট ডেটা (আমার ক্ষেত্রে ধূসর চিত্রগুলি) প্রদর্শন করতে চান তবে আপনাকে একটি ট্রেস ফাংশন লিখতে হবে এবং সম্ভবত পিএইচপি কোডটি পরিবর্তন করতে হবে।
এমনকি ডিএনএ-নির্দিষ্ট তথ্য ব্যতীত, আপনি খুব অল্প পরিশ্রমে একটি নির্দিষ্ট মানচিত্রে আপনার ডিএনএ অনুসরণকারী পাথগুলি দেখতে পারেন।

একটি মধ্যবর্তী আউটপুট কেন?

প্রথমত, সি ++ এর কথা বলতে কোনও উপযুক্ত পোর্টেবল গ্রাফিক লাইব্রেরি নেই, বিশেষত এমএসভিসি ব্যবহার করার সময়। এমনকি উইন 32 বিল্ডগুলি সাধারণত উপলভ্য থাকলেও তারা প্রায়শই চিন্তাভাবনা হিসাবে আসে এবং বহিরাগত গ্রন্থাগার, প্যাকেজ এবং অন্যান্য ইউনিক্স-এর মতো নান্টিকাগুলি একটি দ্রুত এবং সাধারণ গ্রাফিকাল অ্যাপ্লিকেশন লেখার জন্য নিজের দেহের একটি অংশে একটি ভয়াবহ ব্যথা তৈরি করে যা শালীনতা রোধ করে ts নামকরণ থেকে

আমি কিউটি ব্যবহার করার বিষয়টি বিবেচনা করেছি (একমাত্র পরিবেশ সম্পর্কে যা সি ++ এ পোর্টেবল জিইআইআই / গ্রাফিকাল বিকাশকে সহজ এবং এমনকি আনন্দদায়ক টাস্ক করে তোলে, আইএমএইচও - সম্ভবত এটি মেসেজিং সিস্টেম যুক্ত করে à লা উদ্দেশ্য সি যে সি ++ এর ঘাটতি নেই এবং মেমরি সীমাবদ্ধ করার একটি অবিশ্বাস্য কাজ করে বেস্ট ন্যূনতম পর্যন্ত পরিচালনা), তবে এটি হাতের কাজটির জন্য একটি ওভারকিলের মতো দেখায় (এবং কোডটি ব্যবহার করতে চাইলে যে কোনও ব্যক্তিকে বড়সড় এসডিকে ইনস্টল করতে হবে - আমার পক্ষে খুব কম চেষ্টা করা উচিত)।

এমনকি একটি বহনযোগ্য লাইব্রেরি ধরে নিলেও, কথা বলার গতির কোনও প্রয়োজন নেই (একটি ছবি উত্পন্ন করার জন্য এক সেকেন্ড বা তাই যথেষ্ট পরিমাণে যথেষ্ট), এবং এর প্রবাদকালীন অনড়তা এবং অন্তর্নিহিত গন্ডগোলের সাথে অবশ্যই সি ++ কাজটির পক্ষে সেরা সরঞ্জাম নয়।

তদুপরি, একটি মধ্যবর্তী পাঠ্য আউটপুট থাকা অনেক স্বাচ্ছন্দ্য যোগ করে। ডেটা উপস্থিত হয়ে গেলে আপনি এগুলি অন্যান্য উদ্দেশ্যে (উদাহরণস্বরূপ, বটের পারফরম্যান্স বিশ্লেষণ করে) ব্যবহার করতে পারেন।

পিএইচপি কেন?

প্রোটোটাইপিংয়ের জন্য ভাষাটি আমি অত্যন্ত সাধারণ এবং অভিযোজ্য find কোড চ্যালেঞ্জগুলির জন্য আমি এটিকে আমার পোষ্য ভাষা হিসাবে তৈরি করেছি যাতে চূড়ান্ত পারফরম্যান্সের প্রয়োজন হয় না।
_{এটি গল্ফিংয়ের জন্য একটি ভয়ানক ভাষা, তবে গল্ফ যাইহোক আমার চা কাপ ছিল না।}

আমি মনে করি অজগর বা রুবি একই উদ্দেশ্যে ব্যবহার করা ঠিক ততটাই আনন্দদায়ক হবে তবে আমি তাদের সাথে কোনও গুরুতর কাজ করার কোনও উপলক্ষ পাই নি এবং ইদানীং ওয়েব সাইটগুলিতে কাজ করছি, সুতরাং এটি পিএইচপি।

আপনি যদি ভাষাটি না জানেন তবেও আপনার প্রয়োজন অনুসারে কোডটি সংশোধন করা খুব বেশি কঠিন হওয়া উচিত নয়। $ভাল পুরানো বেসিক দিনগুলির মতো: ভেরিয়েবলগুলির আগে কেবল সেগুলি ভুলে যাবেন না :)।

Comments

আপনি কি দয়া করে আপনার সরঞ্জামটি ভাগ করবেন? আমি আপনার উত্তরে কোড বা কোনও লিঙ্ক দেখতে পাচ্ছি না।

— ফ্রাঙ্কি

Answer 15

স্কাইওয়াকার - পাইথন - 50 টি খেলায় 231 এরও কম স্কোর

সুতরাং প্রথমে কোড করুন এবং তারপরে কিছু ব্যাখ্যা। আমি আশা করি অনুলিপি করার সময় কিছুই ভাঙ্গেনি।

class SkyWalker(Player):
    def __init__(self):
        Player.__init__(self)
        self.coords = [#Coordinate(-1,-1),
                       #Coordinate( 0,-1),
                       Coordinate( 1, 0),
                       Coordinate( 1,-1),
                       #Coordinate(-1, 0),
                       #Coordinate( 0, 0),
                       #Coordinate(-1, 1),
                       #Coordinate( 0, 1),
                       Coordinate( 1, 1)]

        self.n_moves = len(self.coords)

    def visionToMove(self, x, y):
        x = x - 2
        y = y - 2

        return (x, y)

    def trapToMove(self, x, y, offx, offy):
        x = x - 2 + (offx % 3) - 1
        y = y - 2 + (offy % 3) - 1
        return (x, y)

    def isNeighbour(self, x1, y1, x2, y2):
        if (x1 == x2) or (x1+1 == x2) or (x2+1 == x1):
            if (y1 == y2) or (y1+1 == y2) or (y2+1 == y1):
                return True
        return False

    def calcMove(self, donots, never, up):
        forwards = {(1, 0): 0, (1, 1): 0, (1, -1): 0, (0, 1): 10, (0, -1): 10}

        for key in forwards:
            if key in never:
                forwards[key] = 100
            for x in donots:
                if (key[0] == x[0]) and (key[1] == x[1]):
                    forwards[key] = 20

        min_value = min(forwards.itervalues())
        min_keys = [k for k in forwards if forwards[k] == min_value]

        return random.choice(min_keys)

    def turn(self):
        trap1 = self.bit_chunk(0, 4)
        trap1_offsetx = self.bit_chunk(4, 2)
        trap1_offsety = self.bit_chunk(6, 2)
        trap2 = self.bit_chunk(8, 4)
        trap2_offsetx = self.bit_chunk(12, 2)
        trap2_offsety = self.bit_chunk(14, 2)
        wall1 = self.bit_chunk(16, 4)
        wall2 = self.bit_chunk(20, 4)
        tel1 = self.bit_chunk(24, 4)
        tel1_good = self.bit_chunk(28, 3)
        tel2 = self.bit_chunk(31, 4)
        tel2_good = self.bit_chunk(35, 3)
        tel3 = self.bit_chunk(38, 4)
        tel3_good = self.bit_chunk(42, 3)
        tel4 = self.bit_chunk(45, 4)
        tel4_good = self.bit_chunk(49, 3)
        up = self.bit_at(100)

        donots = []
        never = []

        for y in range(0, 5):
            for x in range(0, 5):
                c = self.vision[y][x]
                if (c == -1):
                    never += self.visionToMove(x, y),
                elif (c == trap1):
                    donots += self.trapToMove(x, y, trap1_offsetx, trap1_offsety),
                elif (c == trap2):
                    donots += self.trapToMove(x, y, trap2_offsetx, trap2_offsety),
                elif (c == wall1):
                    donots += self.visionToMove(x, y),
                elif (c == wall2):
                    donots += self.visionToMove(x, y),
                elif (c == tel1):
                    if (tel1_good > 3):
                        donots += self.visionToMove(x, y),
                elif (c == tel2):
                    if (tel2_good > 3):
                        donots += self.visionToMove(x, y),
                elif (c == tel3):
                    if (tel3_good > 3):
                        donots += self.visionToMove(x, y),
                elif (c == tel4):
                    if (tel4_good > 3):
                        donots += self.visionToMove(x, y),

        coord = self.calcMove(donots, never, up)

        return Coordinate(coord[0], coord[1])

কিছু ব্যাখ্যা

আমার মতে মূল পার্থক্য হ'ল আমি প্রতিটি রঙ কোড করি না। পরিবর্তে, আমি গুরুত্বপূর্ণ যে রংগুলির সংখ্যা সংরক্ষণ করার চেষ্টা করি। আমার মতে সেই রঙগুলি হ'ল ফাঁদ, দেয়াল এবং টেলিপোর্টার। নমুনার জন্য কোনও ভাল কোষের রঙ জানা দরকার। সুতরাং, আমার জিনোমটি নিম্নলিখিত উপায়ে কাঠামোযুক্ত।

• ফাঁদগুলির জন্য 2 x 8 বিট, প্রথম 4 বিটগুলি রঙ নম্বর, অন্য 4 টি অফসেট
• দেয়ালের জন্য 2 এক্স 4 বিট, কেবল রঙ
• টেলিপোর্টারদের জন্য 4 x 7 বিট, আবার রঙের জন্য 4 বিট, 3 ভাল বা খারাপ সিদ্ধান্ত নিতে

এটি ব্যবহৃত মোট 52 বিট তৈরি করে। যাইহোক, আমি কেবলমাত্র 3 টি টেলিপোর্টার ডাইজারের প্রথম বিটটি ব্যবহার করি (আমি সংখ্যাটি 3 এর চেয়ে বেশি কিনা তা পরীক্ষা করি)। অতএব, অন্য 2 টি মুছে ফেলা হতে পারে, আমাকে 44 বিট ব্যবহৃত ব্যবহার করে রেখে।

প্রতিটি ঘুরে আমি আমার দৃষ্টিভঙ্গির প্রতিটি ক্ষেত্র যাচাই করে থাকি যদি এটিগুলির মধ্যে একটি খারাপ রঙ হয় (+ বোর্ডের বাইরে -1) এবং এটি ক্ষেত্রের তালিকায় যোগ করুন যাতে নমুনাটি যেতে চান না। কোনও ফাঁদের ক্ষেত্রে, আমি সেই ফাঁদ রঙের জন্য সংরক্ষণ করা অফসেটে থাকা ক্ষেত্রটি যুক্ত করি।

সেই খারাপ ক্ষেত্রগুলির তালিকার ভিত্তিতে পরবর্তী পদক্ষেপ গণনা করা হয়। পছন্দসই ক্ষেত্রগুলির ক্রম হ'ল:

1. অগ্রবর্তী
2. উপরে বা নীচে
3. পিছনের দিকে বা নীচে
4. ফিরিয়া

যদি কোনও বিভাগের দুটি ক্ষেত্র প্রযোজ্য হয়, তবে একটি এলোমেলোভাবে বেছে নেওয়া হয়।

ফলাফল

Individual scores: [192, 53116, 5, 1649, 49, 2737, 35, 5836, 3, 10173, 4604, 22456, 21331, 445, 419, 2, 1, 90, 25842, 2, 712, 4, 1, 14, 35159, 13, 5938, 670, 78, 455, 45, 18, 6, 20095, 1784, 2, 11, 307853, 58171, 348, 2, 4, 190, 7, 29392, 15, 1158, 24549, 7409, 1]
On average, your bot got 231.34522696 points

থটস

• আমার কোনও ধারণা নেই, যদি আমি ৫০ রানের সাথে ভাগ্যবান হয়ে উঠি বা আমার কৌশলটিতে আসলেই কিছু বুদ্ধি আছে।

• আমার রানগুলি কখনই সুপার হাই স্কোর নেবে না বলে মনে হয় তবে তারা লক্ষ্যটিও কমপক্ষে কয়েকগুণ পায়

• কিছু ছোট এলোমেলোতা দৌড়ের শেষের কাছাকাছি কিছু যেখানে ফাঁদে আটকা না রাখা ভাল

• আমি মনে করি অ-বিশেষ রঙগুলি কখনও খারাপ হয় না। যাইহোক, সেগুলির উদাহরণগুলি খারাপ হতে পারে, যখন তারা কোনও ফাঁদে ফেলা হয়। সুতরাং, কোনও রঙকে খারাপ লেবেল দেওয়া যদি তার জাল, দেয়াল বা খারাপ টেলিপোর্টার না হয় তবে তা বোঝা যায় না।

• দেয়াল সর্বশ্রেষ্ঠ শত্রু

উন্নতি

প্রথমত, যদিও আমি কালো স্কোয়ারগুলি লক্ষ্যটির আরও কাছাকাছি এবং কাছাকাছি যেতে দেখছি তা মিস করব যদিও আরও একটি পরীক্ষা করা এবং আরও অর্থবহ ফলাফল অর্জনের জন্য সি ++ বন্দরটি প্রয়োজনীয়।

প্রধান সমস্যাগুলির মধ্যে একটি হ'ল যদি ইঁদুরের সামনে খারাপ কোষ থাকে (বা সেই নমুনাগুলি খারাপ মনে করে) তবে এটি সহজেই বৃত্তগুলিতে উপরে এবং নীচে চলা শুরু করে। এই ক্ষেত্রে 2 টি পদক্ষেপ এগিয়ে এটিকে থামানো বা হ্রাস করা যেতে পারে এবং এটি এমন একটি ক্ষেত্রের দিকে যাওয়া থেকে আটকাতে পারে যেখানে এটি কেবল আবার ফিরে যাবে।

ভাল জিন সহ একটি ইঁদুর লক্ষ্যে পৌঁছায় এবং জিনগুলি ছড়িয়ে দেওয়া শুরু না করা পর্যন্ত প্রায়শই বেশ কিছুটা সময় লাগে। এই ক্ষেত্রে বৈচিত্র্য বাড়ানোর জন্য আমার কিছু কৌশল প্রয়োজন।

যেহেতু টেলিপোর্টারগণ গণনা করা শক্ত, সম্ভবত আমার পক্ষে যারা ঝুঁকিপূর্ণ এবং সর্বদা ভাল টেলিপোর্টার এবং যারা বেশি উদ্বিগ্ন তাদের মধ্যে জনসংখ্যা বিভক্ত করা উচিত এবং অন্য কোনও পছন্দ না থাকলে কেবল তাদেরই গ্রহণ করা উচিত।

আমার জিনোমের দ্বিতীয়ার্ধটি কোনওভাবেই ব্যবহার করা উচিত।

Comments

আমি রঙগুলি সঞ্চয় করারও চেষ্টা করি তবে শেষ পর্যন্ত এই সিদ্ধান্তে আসে যে এটি কাজ করে না কারণ আপনি ডাবল পাবেন। উদাহরণস্বরূপ self.bit_chunk(16, 4)এবং self.bit_chunk(20, 4)যদি উভয় মান থাকে তবে 0010আপনি কার্যকরভাবে দুটি ট্র্যাপের একটি সম্পর্কে তথ্য সংরক্ষণ করেছেন।

— Ruut

এটি চালানোর জন্য আমার এক লাইনে ইনডেন্টেশন যুক্ত করা দরকার - আমি অনুমান করছি যে অনুলিপি এবং আটকানোর সময় এটি হারিয়ে গেছে। আমি এখনই এটি আপনার কোডে যুক্ত করেছি।

— ট্রাইকোপল্যাক্স

অন্য কেউ এই চালানোর তবেই জন্য: এটা পাইথন 2 চালায়, এবং একক সংঘটন পরিবর্তন করে পাইথন 3 চলবে itervaluesকরতে values।

— ট্রাইকোপ্লাক্স

আমি নিম্নলিখিত ফলাফল পেয়েছি: [6155, 133, 21, 12194, 8824, 3, 3171, 112, 111425, 3026, 1303, 9130, 2680, 212, 28, 753, 2923, 1, 4140, 107, 1256 , 90, 11, 104, 1538, 63, 917, 8, 1, 709, 11, 304, 212, 2, 43, 5, 4, 206, 8259, 75, 28, 7, 1, 11, 5, 1 , 1244, 1398, 13] জ্যামিতিক মানে 122.9220309940335

— ট্রাইকোপল্যাক্স

দেখে মনে হচ্ছে একটি নির্ভরযোগ্য স্কোর পেতে আমাদের 50 টিরও বেশি গেম চালানো দরকার।

— ট্রাইকোপ্লাক্স

Answer 16

পাইথন, নেবার্সস অফ নেহাইবার্স, স্কোর = 259.84395 100 টিরও বেশি গেম

এটি কালারস্কোরপ্লেয়ারে একটি প্রকরণ। প্রতি 6 বিট একটি স্কোয়ারের জন্য একটি মানের স্কোর সঞ্চয় করে। বট যখন একটি পদক্ষেপ নিয়ে চলেছে, তখন 3 টি ফরোয়ার্ড স্কোয়ারের প্রত্যেককে স্কোর করে - ডায়াগোনাল আপ, ফরোয়ার্ড এবং ডায়াগোনাল ডাউন। স্কোরটি বর্গের গুণমান এবং পরবর্তী 3 স্কোয়ারের গড় গুণমান quality এটি প্রথম বর্গের গুণমানকে বাড়িয়ে না দিয়ে বটকে কিছুটা সামনের দিকে নজর দেয়। অ্যালগরিদম লুকএহেডপ্লেয়ারের মতো, যা আমি এই সমাধানটি লেখার আগে দেখিনি।

class NeighborsOfNeighbors(Player):
  def __init__(self):
    Player.__init__(self)
    self.coords = [ Coordinate( 1, 0),
                    Coordinate( 1,-1),
                    Coordinate( 1, 1)
                    ]

  def turn(self):
    scores=[self.score(c.x,c.y)+0.5*self.adjacentScore(c.x,c.y) if self.vision_at(c.x,c.y)>-1 else None for c in self.coords ]
    max_score = max(scores)
    return random.choice( [c for s,c in zip(scores,self.coords) if s==max_score] )

  def adjacentScore(self,x,y):
    adjacent = [(x+1,y)]
    if self.vision_at(x,y+1)>-1:
      adjacent+=[(x+1,y+1)]
    if self.vision_at(x,y-1)>-1:
      adjacent+=[(x+1,y-1)]
    adjscores=[self.score(a,b) for a,b in adjacent]
    return sum(adjscores)/float(len(adjscores))

  def score(self,x,y):
    return -1 if self.vision_at(x,y) == -1 else self.bit_chunk(6*self.vision_at(x,y),6)

Comments

একটি লাইনে ইন্ডেন্টেশন অনুপস্থিত ছিল। । আমি এটা হারিয়ে গিয়েছে যখন পেস্ট আমি এর মধ্যে জুড়েছেন অনুমান।

— trichoplax

অজগর 3 এ চলছে এটি সর্বাধিক (স্কোর) গণনা করার সময় কিছুই তুলনা করার বিষয়ে অভিযোগ করেছে complained তাই আমি পরিবর্তিত else Noneকরার else 0পূর্ববর্তী লাইনে আপনার স্কোর গণনা করা হবে। আশা করা যায় এটি আপনার যুক্তি অপরিবর্তিত রেখে দেয় (আমি হারিয়ে যাওয়া ইনডেন্টেশন যোগ করার পরিবর্তে এসই তে এখানে আপনার কোডে কোনও পরিবর্তন আনিনি)।

— ট্রাইকোপলাক্স

অজগর 3 এ চালানো আমি এই উত্তরের জন্য নিম্নলিখিত স্কোর পেয়েছি: [1, 13085, 360102, 1, 73713, 1, 189, 1, 1, 193613, 34, 195718, 199, 8, 1, 60006, 66453, 2, 2, 53, 425206, 1, 4, 1, 1, 16, 153556, 1, 18134, 35655, 1, 4211684, 2, 1, 26451, 8, 1, 724635, 69242, 38469, 796553, 111340, 1, 25, 40017, 76064, 66478, 209365, 3925393]

— ট্রাইকপ্লেক্স

জ্যামিতিক গড় 428.3750848244933

— ট্রাইকোপ্লাক্স

Answer 17

রউস (অস্বাভাবিক আকারের ক্ষিপ্ত), জাভা, স্কোর = 0

এটি কোথায় যেতে হবে তা স্থির করতে পারিপার্শ্বিক পরিস্থিতিগুলি হ্যাশ করে। জাভা কন্ট্রোলার কাজ না করায় আমার এর পক্ষে স্কোর নেই। এটি কেবলমাত্র খুব দূরত্বে পৌঁছবে যদি এটির সহায়তার জন্য কয়েক জন টেলিপোর্টার খুঁজে পায়।এটি একবার বিলুপ্ত হয়ে যায় এবং নিয়ামকটিকে একবারে ক্র্যাশ করে। এটি সম্ভবত প্রাকৃতিক পরিবেশের কারণেই আগুনের জলাভূমি is

import java.awt.*;
import java.util.Map;

public class ROUS extends Player{

    private static final int NUMBER_OF_GENES = 33;
    private static final int GENE_SIZE = 3;
    private static final Point[] coords = new Point[]{
        new Point(-1, -1),
        new Point(-1, 0),
        new Point(-1, 1),
        new Point(0, -1),
        new Point(0, 1),
        new Point(1, -1),
        new Point(1, 0),
        new Point(1, 1)
    };

    public Point takeTurn(String dna, Map<Point, Integer> vision){
        Point[] table = decode(dna);
        int hash = hash(vision);
        return table[hash];
    }

    private int hash(Map<Point, Integer> surroundings) {
        return Math.abs(surroundings.hashCode()) % NUMBER_OF_GENES;
    }

    private Point[] decode(String dna) {
        Point[] result = new Point[NUMBER_OF_GENES];

        for (int i = 0; i < NUMBER_OF_GENES; i++){
            int p = Integer.parseInt(dna.substring(i * GENE_SIZE, (i + 1) * GENE_SIZE), 2);
            int x;
            int y;

            result[i] = coords[p];
        }
        return result;
    }
}

Comments

জাভা কন্ট্রোলার এখন কাজ করছে।

— মার্টিন এেন্ডার

প্রথমে আমি ভেবেছিলাম আপনি প্রাচীন রাশিয়ার প্রতি শ্রদ্ধা নিবেদন করছেন, তবে এটি যেমন রব রাইনারের কাছে প্রতীয়মান হয়েছে।

সর্বনিম্ন সম্ভাব্য স্কোরটি 1

— ট্রাইকোপল্যাক্স

@ ট্রাইকোপল্যাক্স ... নিয়ামক ক্রাশ ...

— TheNumberOne

ওহ আমি দেখতে পাচ্ছি - তাই প্রায়শই ঘটে যায় আপনি কি রানের শেষে পৌঁছতে পারবেন না?

— ট্রিকোপ্লাক্স

Answer 18

ধূসর রঙের লুকোহেড (সি ++, ~ 1.35)

এইটি গড়ে খুব ভাল করছে না, তবে বিরল উপলক্ষে এটি দুর্দান্তভাবে অভিনয় করে। দুর্ভাগ্যক্রমে, আমাদের জ্যামিতিক গড় (1.35) স্কোর করা হচ্ছে, এবং সর্বোচ্চ স্কোর (20077) এ নয়।

এই অ্যালগরিদম কেবল প্রতিটি বর্ণের স্কোর -2 থেকে 2 (পরিসর [-1..1] এর দিকে পক্ষপাত সহ) কোথাও ম্যাপ করতে 4-বিট ধূসর কোড ব্যবহার করে কাজ করে এবং প্রতিটি পদক্ষেপের টাইলের স্কোর এবং তার পরবর্তী চলনগুলি গণনা করে । এটি টালি নিজেই গুণক নির্ধারণ করতে পাশাপাশি ডান দিকে যাওয়ার জন্য বাইসিং ফ্যাক্টরটি নির্ধারণ করতে 2-বিট ধূসর কোড ব্যবহার করে। (মিউটেশনগুলির কারণে ধূসর কোডগুলি বড় লাফানোর ক্ষেত্রে খুব কম সংবেদনশীল, যদিও তারা সত্যই মিড-কোডপয়েন্ট পর্বত ক্রোসওভারের পক্ষে কোনও পক্ষ নেয় না ...)

এটি বিশেষত ফাঁদগুলি হ্যান্ডেল করার চেষ্টা করার জন্য একেবারে কিছুই করে না এবং আমার সন্দেহ হয় যে এই পতন হতে পারে (যদিও আমি এই তত্ত্বটি পরীক্ষা করার জন্য নিয়ন্ত্রণকারীর সাথে কোনও উপকরণ যোগ করি নি)।

প্রতিটি সম্ভাব্য পদক্ষেপের জন্য এটি একটি স্কোর নির্ধারণ করে এবং এলোমেলোভাবে বেছে নেওয়া সর্বোচ্চ স্কোর সহ সমস্ত চালগুলির মধ্যে।

coord_t colorTileRanker(dna_t d, view_t v) {
    const int COLOR_OFFSET = 0; // scores for each color (4 bits each)
    const int SELF_MUL_OFFSET = 96; // 2 bits for self-color multiplier
    const int MOVE_MUL_OFFSET = 98; // 2 bits for move-forward multiplier

    static const int gray2[4] = {0, 1, 3, 2};
    static const int gray3[8] = {0, 1, 3, 2, 7, 6, 4, 5};

    // bias factor table
    const int factorTable[4] = {0, 1, 2, 1};

    const int selfMul = factorTable[gray2[dnaRange(d, SELF_MUL_OFFSET, 2)]]*2 + 9;
    const int moveMul = factorTable[gray2[dnaRange(d, MOVE_MUL_OFFSET, 2)]] + 1;

    // scoring table for the color scores
    static const int scoreValue[8] = {0, 1, 2, 3, 4, 3, 2, 1};

    std::vector<coord_t> bestMoves;
    int bestScore = 0;

    for (int x = -1; x <= 1; x++) {
        for (int y = -1; y <= -1; y++) {
            const int color = v(x, y);
            if ((x || y) && (color >= 0)) {
                int score = 0;

                // score for the square itself
                score += selfMul*(scoreValue[gray3[dnaRange(d, COLOR_OFFSET + color*3, 3)]] - 2);

                // score for making forward progress;
                score += moveMul*(x + 1);

                // score for the resulting square's surrounding tiles
                for (int a = -1; a <= 1; a++) {
                    for (int b = -1; b <= 1; b++) {
                        const int color2 = v(x + a, y + b);
                        if (color2 >= 0) {
                            score += scoreValue[gray3[dnaRange(d, COLOR_OFFSET + color2*3, 3)]] - 2;
                        }
                    }
                }

                if (score > bestScore) {
                    bestMoves.clear();
                    bestScore = score;
                }
                if (score >= bestScore) {
                    bestMoves.push_back({x, y});
                }
            }
        }
    }

    if (bestMoves.empty()) {
        return {v.rng.rint(2), v.rng.rint(3) - 1};
    }
    return bestMoves[v.rng.rint(bestMoves.size())];
}

আমার সাম্প্রতিকতম রানটিতে আমি স্কোর পেয়েছি: 1 1 1 1 1 1 1 1 1 46 46 1 1 1 1 1 1 1 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 20077 1 1 1 2 1 1 1 1 1

আমি আশা করি আমি 20077 এর বেশি এবং 1 এর চেয়ে কম পেয়েছি। :)

Comments

গ্রে কোড ব্যবহার করা গ্রেট আইডিয়া! ;)

— মাটোভিচ

গ্রে কোডগুলির জন্য +1। তবে, একটি সম্পূর্ণ রূপান্তর-নির্ভরশীল জিনোম বৈচিত্র্যকে কিছুটা আঘাত করবে। এবং বিটিডব্লিউ 20.000 এর স্কোর আপনি অর্জন করতে পারেন এমন সর্বোচ্চের কাছাকাছিও নয়। যদি কোনও ইঁদুর কোনও সম্ভাব্য শুরুর অবস্থান থেকে ট্র্যাক চালানোর সক্ষমতাটি বিকশিত হয়, তবে তা কার্যকর হয়ে যায় অমর হয়ে ওঠে এবং একটি বিশাল ফিটনেস স্কোর অর্জন করে। এর জিনোম দ্রুত আধিপত্য বিস্তার করে, প্রায় 50K ইঁদুর এবং কয়েক মিলিয়ন এর স্কোরের জনসংখ্যার দিকে পরিচালিত করে।

Answer 19

সি ++, ট্রিপলস্কোর, স্কোর: 100 ~ 400

প্রথমত, আমার স্কোর একাধিক রানের চেয়ে মূলত পরিবর্তিত হয় (মূলত 1 এর সংখ্যার কারণে)।

কোরটি 5 দিকের স্কোর গণনা করে: উপরে, ডাউন, ফরোয়ার্ড-আপ, ফরোয়ার্ড এবং ফরোয়ার্ড-ডাউন। ফলাফলগুলি স্থানে থাকার মানের তুলনায় ফলাফলের তুলনায় প্রথমে উপরে এবং নীচের স্কোর গণনা করা হয়। যদি স্থানটিতে অবস্থান করা উপরে বা নীচে যাওয়ার চেয়ে ভাল হয় তবে এই দিকনির্দেশগুলি বেছে নেওয়া হবে না (তাই এটি অবশ্যই এগিয়ে যেতে হবে)। এটি 2 স্পটের মধ্যে বাউন্সিং (উপরে, নীচে, উপরে, নীচে ...) রোধ করা।

এখন অন্য 3 টি দিক স্কোর হয়েছে: ফরোয়ার্ড-আপ, সোজা ফরোয়ার্ড এবং ফরোয়ার্ড-ডাউন। সমস্ত তদন্তের দিক থেকে সর্বোচ্চ স্কোরযুক্তগুলি রাখা হয় এবং এর মধ্যে 1 টি এলোমেলোভাবে বেছে নেওয়া হয়।

একটি দিক স্কোরিং: ট্রিপলস্কোর 3 টি সাবস্কোর ব্যবহার করে একটি আন্দোলনের স্কোর গণনা করে:

• গন্তব্যের রঙের স্কোর (রঙের স্কোরপ্লেয়ারের মতো ডিএনএ উপর নির্ভর করে)
• এগিয়ে যাওয়ার স্কোর (ডিএনএ উপর নির্ভর করে)
• গন্তব্য থেকে অগ্রসর পদক্ষেপ নেওয়ার সর্বাধিক স্কোর (ডিএনএতে সঞ্চিত ফ্যাক্টর দ্বারা গুণিত)

অন্যান্য উত্তরগুলির মতো, স্কোর ফিরে আসা 1-স্কোর সংখ্যার উপর নির্ভর করে।

#define CHUNKSIZE 5 //We have 20 values so 5 bits/value
#define MAXVALUE 32 //2^CHUNKSIZE
#define AVGVALUE MAXVALUE/2

#define DNASEGMENT(dna, i) dnarange(dna, i*CHUNKSIZE, CHUNKSIZE)
#define DNA_COLOR 0
#define DNA_FORWARD 16
#define DNA_LOOKAHEAD 17

//Get the score for a specific move
int calcscore(dna_t dna, view_t view, int x, int y, bool final){
  if (view(x,y) == OUT_OF_BOUNDS){
    //We cant go there
    return -MAXVALUE;
  }
  //The score of the color
  int s = DNASEGMENT(dna, DNA_COLOR+view(x,y))-AVGVALUE;
  //The score of going forward
  s += x*DNASEGMENT(dna, DNA_FORWARD);

  //Get the children or not
  if (!final){
    int max=-MAXVALUE;
    int v;
    //Get the maximum score of the children
    for (int i=-1; i<2; ++i){
        v = calcscore(dna, view, x+1, y+i, true);
        if (v>max){
            max=v;
        }
    }
    //Apply dna factor to the childs score
    s += (max * DNASEGMENT(dna, DNA_LOOKAHEAD))/AVGVALUE;
  }
  return s;
}

coord_t TripleScore(dna_t dna, view_t view) {
  int maxscore = -100;
  int score;
  coord_t choices[5]; //Maximum 5 possible movements
  int maxchoices = 0;
  int zeroscore = calcscore(dna, view, 0, 0, false);

  //Go over all possible moves and keep a list of the highest scores
  for (int x=0; x<2; ++x){
    for (int y=-1; y<2; ++y){
        if (x | y){
            score = calcscore(dna, view, x, y, false);
            if (score > maxscore){
                maxscore = score;
                choices[0] = {x, y};
                maxchoices = 1;
            }else if (score == maxscore){
                choices[maxchoices++] = {x, y};
            }
        }
    }
    if (!x && maxscore <= zeroscore){
        //I will NOT bounce!
        maxscore = -100;
    }
  }

  return choices[view.rng.rint(maxchoices)];
}

Answer 20

রুবি - প্রব্যাবিলিস্টিকস্কোরপ্লেয়ার

class ProbabilisticScorePlayer < Player
    Here = Vector2D.new( 0, 0)
    Forward = Vector2D.new( 1, 0)
    Right = Vector2D.new( 0, 1)
    Left = Vector2D.new( 0,-1)

    def vision_at(vec2d)
        v = @vision[vec2d.x+2][vec2d.y+2]
        v==-1?nil:v
    end

    def turn
        coords = [Forward]
        [Here,Forward].each{|x|
            [Here,Right,Left].each{|y|
                c = x+y
                if x!=y && vision_at c > -1
                  coords.push c if bit_at(vision_at c)==1
                  coords.push c if bit_at(vision_at(c+Forward)+16)==1
                  coords.push c if bit_at(vision_at(c+Right)+32)==1
                  coords.push c if bit_at(vision_at(c+Left)+48)==1
                  coords.push c if bit_at(vision_at(c+Forward+Right)+64)==1
                  coords.push c if bit_at(vision_at(c+Forward+Left)+80)==1
                end
            }
        }
        coords.sample(random: @rng)
    end
end

এই অত্যন্ত অ-বিড়াল ইঁদুর তার আশেপাশের জায়গাগুলিতে কোনও জায়গায় যাওয়ার সম্ভাবনা গণনা করে। জিনোমের প্রথম 16 স্লট 16 টি রঙের প্রতিনিধিত্ব করে। 1 স্লটে মানে রঙটি ধাপে ভাল, 0 এর অর্থ খারাপ। পরবর্তী 16 আপনার লক্ষ্যের সামনে জায়গার জন্য একই জিনিস ধরে রাখে এবং আরও অনেক কিছু।

সম্ভাব্য পদ্ধতির প্রধান সুবিধাটি হ'ল দীর্ঘকাল প্রাচীরের পিছনে আটকা পড়া প্রায় অসম্ভব। অসুবিধাটি হ'ল আপনি প্রায় কোনও কাছাকাছি নিখুঁত ইঁদুর পাবেন না।

Comments

মৌলিকতার জন্য +1। আপনি কোন ধরণের স্কোর পেয়েছেন?

বাস্তবে এটি এখনও কখনও পরীক্ষিত হয়নি ...

— মেগাটম

আপনি কি cপ্রাথমিক মান দিতে ভুলে গেছেন ? আপনি এটি প্রথমটি ব্যবহার করার সময় এটি সংজ্ঞায়িত বলে মনে হয় না if।

— মার্টিন ইন্ডার

@ মার্টিনব্যাটনার হ্যাঁ আমি ভুলে গেছি। আমি এখন এটি ঠিক করব।

— মেগাটম

আমি রুবিকে খুব ভাল জানি না, তবে আপনার কোডটি রুবি ২.১.৫ এর অধীনে চলে না। coordsকোনও তালিকা নয়, আপনি &&পরিবর্তে andএবং প্রথম বন্ধনী ভুলে গেছেন এবং এগুলি ঠিক করার পরেও আপনি আরএনজি মানগুলিতে আবদ্ধ হন না তাই আপনি খালি দিকনির্দেশ পাচ্ছেন। এই সিউডো কোড, বা কিছু কিছু রুবি উপভাষা দিয়ে চালিত করার অর্থ?

Answer 21

জাভা, রানিংস্টার, স্কোর = 1817.050970291959 1000 গেমেরও বেশি

এই বটটিতে স্টারপ্লেয়ারের কৌশলটি দিয়ে রান-বোনাসের রঙিন কোডিং ব্যবহার করে।

আপডেট: স্থির জাভা নিয়ামক।

Scores: 6, 81533, 1648026, 14, 5, 38841, 1, 76023, 115162, 3355130, 65759, 59, 4, 235023, 1, 1, 1, 3, 2, 1, 1, 14, 50, 1, 306429, 68, 3, 35140, 2, 1, 196719, 162703, 1, 1, 50, 78233, 5, 5, 5209, 1, 2, 60237, 1, 14, 19710, 1528620, 79680, 33441, 58, 1, 4, 45, 105227, 11, 4, 40797, 2, 22594, 9, 2192458, 1954, 294950, 2793185, 4, 1, 1, 112900, 30864, 23839, 19330, 134178, 107920, 5, 122894, 1, 1, 2721770, 8, 175694, 25235, 1, 3109568, 4, 11529, 1, 8766, 319753, 5949, 1, 1856027, 19752, 3, 99071, 67, 198153, 18, 332175, 8, 1524511, 1, 159124, 1, 1917181, 2, 1, 10, 276248, 1, 15, 1, 52, 1159005, 43251, 1, 536150, 75864, 509655, 1126347, 250730, 1548383, 17, 194687, 27301, 2, 1, 207930, 621863, 6065, 443547, 1, 6, 1, 1, 1, 1, 556555, 436634, 25394, 2, 61335, 98076, 1, 190958, 2, 18, 67981, 3, 8, 119447, 1, 1, 1, 19, 28803, 23, 33, 60281, 613151, 1, 65, 20341, 799766, 476273, 105018, 357868, 3, 92325, 2062793, 18, 72097, 30229, 1, 1, 3, 610392, 1, 202149, 887122, 56571, 1, 77788, 61580, 4, 72535, 381846, 148682, 26676, 1, 210, 3556343, 212550, 650316, 33491, 180366, 1, 295685, 46255, 43295, 1006367, 63606, 1, 1, 1, 1, 3094617, 21, 10, 3, 1, 1, 14730, 1585801, 102, 2, 410353, 1570, 1, 17423, 1, 1849366, 5, 1, 357670, 1, 1, 1, 1, 89936, 349048, 15, 7, 6, 2, 121654, 1852897, 19, 1, 103275, 1, 1, 771797, 23, 19, 6700, 1, 135844, 2966847, 3, 2356708, 101515, 1, 17, 1, 996641, 22, 16, 657783, 171744, 9604, 1, 1335166, 1739537, 2365309, 1, 3378711, 11332, 3980, 182951, 609339, 8, 10, 1746504, 61895, 386319, 24216, 331130, 12193, 1, 284, 1, 2, 50369, 38, 8, 1, 1238898, 177435, 124552, 22370, 1418184, 20132, 6, 2, 730842, 1, 1341094, 141638, 534983, 1551260, 31508, 96196, 434312, 3012, 715155, 1, 276172, 214255, 1, 208948, 4, 1631942, 512293, 37, 64474, 1342713, 1, 132634, 13, 2, 61876, 1081704, 160301, 2, 488156, 2414109, 1809831, 5, 74904, 6, 11, 5, 1, 79856, 96, 35421, 229858, 238507, 3838897, 18, 44, 1, 1659126, 9, 33708, 12, 1, 758381, 162742, 256046, 3, 15, 142673, 70953, 58559, 6, 2, 1, 984066, 290404, 1072226, 66415, 4465, 924279, 48133, 319765, 519401, 1, 1, 1201037, 418362, 17022, 68, 213072, 37, 1039025, 1, 2, 6, 4, 45769, 1, 5, 1061838, 54614, 21436, 7149, 1, 1, 1, 35950, 2199045, 1, 379742, 3, 2008330, 238692, 181, 7, 140483, 92278, 214409, 5179081, 1, 1, 334436, 2, 107481, 1142028, 1, 31146, 225284, 1, 14533, 4, 3963305, 173084, 102, 1, 4732, 14, 1, 25, 11032, 224336, 2, 131110, 175764, 81, 5630317, 1, 42, 1, 89532, 621825, 2291593, 210421, 8, 44281, 4, 303126, 2895661, 2672876, 3, 436915, 21025, 1, 4, 49227, 1, 39, 3, 1, 103531, 256423, 2, 1600922, 15, 1, 2, 58933, 1114987, 1, 4, 3, 1, 1544880, 285673, 240, 2, 128, 214387, 3, 1327822, 558121, 5, 2718, 4, 1258135, 7, 37418, 2729691, 1, 346813, 385282, 2, 35674, 513070, 13, 1930635, 117343, 1929415, 52822, 203219, 1, 52407, 1, 1, 1, 3, 2, 37121, 175148, 136893, 2510439, 2140016, 437281, 53089, 40647, 37663, 2579170, 83294, 1597164, 206059, 1, 9, 75843, 773677, 50188, 12, 1, 1067679, 105216, 2452993, 1813467, 3279553, 280025, 121774, 62, 5, 113, 182135, 1, 16, 71853, 4, 557139, 37803, 228249, 6, 32420, 8, 410034, 73889, 1, 2, 96706, 48515, 1, 3, 1314561, 137, 966719, 692314, 80040, 85147, 75291, 1, 1, 30, 38119, 182723, 42267, 3836110, 22, 986685, 2, 37, 1, 3, 26, 43389, 2679689, 1, 1, 57365, 1, 2662599, 2, 72055, 1, 141247, 1, 1, 1122312, 1, 1080672, 4, 266211, 1, 34163, 1490610, 256341, 1, 627753, 32110, 1, 42468, 1, 10746, 1, 9, 1, 46, 1714133, 5, 117, 1, 104340, 218338, 151958, 122407, 211637, 223307, 57018, 74768, 582232, 2, 621279, 4, 1, 11, 196094, 1839877, 167117, 8, 42991, 2199269, 124676, 1, 1, 1, 5, 1, 1, 698083, 1, 76361, 1564154, 67345, 1398411, 9, 11, 105726, 1197879, 1, 2, 62740, 39, 2, 397236, 17057, 267647, 13, 57509, 22954, 1, 12, 747361, 4325650, 21425, 2160603, 144738, 1, 204054, 3113425, 6, 3019210, 30, 3359, 1, 89117, 489245, 1, 218068, 1, 1, 14718, 222722, 1, 1, 216041, 72252, 279874, 183, 89224, 170218, 1549362, 2, 1, 953626, 32, 130355, 30460, 121028, 20, 159273, 5, 2, 30, 1, 76215, 1654742, 2326439, 1, 53836, 1, 6, 4, 72327, 9, 285883, 1, 908254, 698872, 47779, 3, 2293485, 265788, 3766, 1, 1, 83151, 36431, 307577, 256891, 29, 1, 1, 1093544, 145213, 5, 2, 581319, 2911699, 1, 213061, 1359700, 2, 1, 343110, 1, 157592, 1708730, 1, 22703, 32075, 1, 1, 87720, 159221, 2313143, 10, 2266815, 2106917, 1345560, 3146014, 4, 551632, 1066905, 550313, 4069794, 1, 1406178, 38981, 1, 3, 1, 3039372, 241545, 35, 63325, 85804, 1365794, 2, 2143204, 48, 1, 99, 3225633, 7, 4074564, 1023899, 3209940, 2054326, 70880, 2, 1, 284192, 1944519, 84682, 2, 867681, 90022, 378115, 1, 15, 602743, 1337444, 131, 1, 229, 161445, 3, 2, 5591616, 195977, 92415, 637936, 142928, 1, 2310569, 923, 1, 230288, 1300519, 398529, 2233, 100261, 4323269, 81362, 37300, 1, 233775, 32277, 434139, 323797, 19214, 782633, 2881473, 1, 1, 9, 337016, 1, 515612, 44637, 17, 1, 25, 67758, 1737819, 16454, 30613, 692963, 62216, 222062, 344596, 3, 33782, 19, 180441, 23552, 20462, 70740, 10298, 109691, 1, 1729427, 33714, 1770930, 1, 1, 1, 1, 290766, 136688, 688231, 3250223, 30703, 1985963, 527128, 3, 226340, 195576, 30, 1, 3, 1, 793085, 5527, 5, 1, 2188429, 1327399, 5, 6192537, 1445186, 2478313, 2, 16892, 3, 1, 1, 15, 12, 1361157, 4, 1241684, 1, 45008, 1, 505095, 4037314, 14, 8, 1, 16740, 69906, 45, 1, 240949, 3975533, 212705, 2617552, 278884, 1, 24966, 958059, 231886, 22929, 4052071, 51259, 67791, 78739, 1, 165787, 67, 518191, 86923, 437, 1271004, 135941, 244766, 1, 1, 1, 1152745, 1, 3, 406365, 3847357, 476636, 135097, 304368, 8, 1578276, 1, 1, 375, 1, 1, 1298206, 1860743, 2, 35311, 834516, 421428, 2, 66629, 1, 309845, 398756, 33, 907277, 384475, 2267460, 1, 269300, 124525, 34399, 93584, 362186, 811260, 426109, 1, 1009323, 109986, 122181, 1, 1, 3626487, 11452, 1092410, 57233, 6, 2009226, 1, 83333, 4, 1338631, 79114, 2140249, 51813, 1118986, 43514, 1529365, 1, 101, 1, 1,

package game.players;

import java.awt.Point;
import java.util.*;

public class RunningStar extends Player{

    @Override
    public Point takeTurn(String genome, Map<Point, Integer> vision) {
        Map<Integer, Integer> squareCosts = decode(genome);
        Path path = astar(vision, squareCosts);
        return path.get(1);
    }

    private Path astar(Map<Point, Integer> vision, Map<Integer, Integer> squareCosts) {
        Set<Path> closed = new HashSet<>();
        PriorityQueue<Path> open = new PriorityQueue<>();
        open.add(new Path(new Point(0, 0), 0));
        while (!open.isEmpty()){
            Path best = open.remove();
            if (best.head().x == 2 || (best.head().x > 0 && (best.head().y == 2 || best.head().y == -2))){
                return best;
            }
            for (Path path : pathsAround(best, vision, squareCosts)){
                if (!closed.contains(path) && !open.contains(path)){
                    open.add(path);
                }
            }
            closed.add(best);
        }

        Path p = new Path(new Point(0,0), 0);
        return p.add(new Point((int)(random.nextDouble() * 3 - 1), (int)(random.nextDouble() * 3 - 1)), 0);
    }

    private List<Path> pathsAround(Path path, Map<Point, Integer> vision, Map<Integer, Integer> costs) {
        Point head = path.head();
        List<Path> results = new ArrayList<>();
        for (int i = -1; i <= 1; i++){
            for (int j = -1; j <= 1; j++){
                if (i == 0 && j == 0){
                    continue;
                }
                Point p = new Point(head.x + i, head.y + j);
                if (!vision.containsKey(p) || vision.get(p) == -1){
                    continue;
                }
                results.add(path.add(p, costs.get(vision.get(p))));
            }
        }
        return results;
    }

    private Map<Integer, Integer> decode(String genome) {
        int chunkLength = genome.length()/16;
        Map<Integer, Integer> costs = new HashMap<>();
        for (int i = 0; i < 16; i++){
            int runSize = 0;
            int cost = 0;
            for (int j = i * chunkLength; j < (i + 1) * chunkLength; j++){
                switch (genome.charAt(j)){
                    case '0':
                        runSize = 0;
                        break;
                    case '1':
                        cost += ++runSize;
                }
            }
            costs.put(i, cost);
        }
        return costs;
    }

    private class Path implements Comparable<Path>{

        Point head;
        Path parent;
        int length;
        int totalCost;

        private Path(){}

        public Path(Point point, int cost) {
            length = 1;
            totalCost = cost;
            head = point;
            parent = null;
        }

        public Point get(int index) {
            if (index >= length || index < 0){
                throw new IllegalArgumentException(index + "");
            }
            if (index == length - 1){
                return head;
            }
            return parent.get(index);
        }

        public Point head() {
            return head;
        }

        @Override
        public boolean equals(Object o) {
            if (this == o) return true;
            if (o == null || getClass() != o.getClass()) return false;

            Path path = (Path) o;

            if (!head.equals(path.head)) return false;

            return true;
        }

        @Override
        public int hashCode() {
            return head.hashCode();
        }

        @Override
        public int compareTo(Path o) {
            return totalCost - o.totalCost;

        }

        public Path add(Point point, int cost) {
            Path p = new Path();
            p.head = point;
            p.totalCost = totalCost + cost;
            p.length = length + 1;
            p.parent = this;
            return p;
        }
    }
}

Answer 22

লিপ ফরোয়ার্ড, পাইথন 2

বিশেষত স্থলভাগ নয় তবে এটি আমার একমাত্র প্রচেষ্টা যা ঠিক আছে ok

class LeapForward(Player):
  def __init__(self):
    Player.__init__(self)
    self.coords = [Coordinate( 1, 0),
                   Coordinate( 1,-1),
                   Coordinate( 1, 1)]
    self.n_moves = len(self.coords)

  def turn(self):
    notOKColors = [self.bit_chunk(4*n,4) for n in range(4,8)]
    notOKMap = [Coordinate(x-2,y-2) for x in range(0,5) for y in range(0,5) if self.vision[y][x] not in notOKColors]
    goTo = [c for c in self.coords if c in notOKMap]
    if not goTo:
      goTo = [Coordinate(1,0)]
    return random.choice(goTo)

মূলত, এটি জিনোমে এড়াতে চারটি বর্ণ (প্রতিটি 4 বিট) কোড করে। এরপরে এটি এমন কোনও রঙে এগিয়ে যায় যা সেই তালিকায় নেই। যদি সমস্ত রঙ খারাপ হয় তবে এটি অজানাটির দিকে এগিয়ে যায়।

Comments

সম্ভবত এটিকে "রেডকুইন" বলা উচিত ছিল :)

— প্ল্যানাপাস

Answer 23

জাভা - IAmARobotPlayer - স্কোর 3.7

আমি তৈরি করেছি এই রোবট ইঁদুরটিকে অন্য একটি (যা এখনও পর্যন্ত খুব আকর্ষণীয় নয়) প্রোগ্রামের সাথে তুলনা করার জন্য তৈরি করেছি। এটি সামগ্রিকভাবে ভাল স্কোর করে না তবে এটি যদি কোথাও স্কোর করে তবে এটি অনেকগুলি ইঁদুরকে ছড়িয়ে দেবে। ধারণাটি হ'ল এটি কেবল তার সামনে থাকা তিনটি কোষের দিকে নজর দেবে, প্রতিটি ঘর ভাল বা খারাপ। এটি একটি বাইনারি নম্বর দেয়। তারপরে এটি এই জিনোমে এই সংখ্যাটি সন্ধান করবে, একটানা তিনটি বিট নিন, তাদের একটি সংখ্যায় রূপান্তর করুন এবং এই সংখ্যার অধীনে সঞ্চিত ক্রিয়াটি গ্রহণ করুন। সুতরাং যখন এটি একই পরিস্থিতির মুখোমুখি হয় তখন সর্বদা একই কাজ করে।

package game.players;
import java.awt.*;
import java.util.Map;
public class IAmARobotPlayer extends Player{
    private static final Point[] possibleMoves = {new Point(1,-1), new Point(1,0), new Point(1,1), new Point(0,-1), new Point(0,1), new Point(1,-1), new Point(1,0), new Point(1,1)};
    private int isGood(int pos,Map<Point,Integer> vision, char[] genomeChar){
        int value = vision.get(new Point(1,pos));
        if(value ==-1){
            return 0;
        } else {
            return genomeChar[84+value]-'0';
        }
    }

    @Override
    public Point takeTurn(String genome, Map<Point, Integer> vision) {

        char[] genomeChar = genome.toCharArray();
        int situation = 4*isGood(1,vision,genomeChar)+2*isGood(0,vision,genomeChar)+1*isGood(-1,vision,genomeChar);
        int reaction = 4*(genomeChar[3*situation+0]-'0')+2*(genomeChar[3*situation+1]-'0')+1*(genomeChar[3*situation+2]-'0');
        return possibleMoves[reaction];

    }
}

ফলাফল:

Individual scores: 1, 1, 332, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 47560, 15457, 1, 
Your final score is 3.7100115087136234

Answer 24

সতর্কতা সংক্রান্ত নমুনা - সি ++ - প্রায় 2030 ওভার 200 রানের স্কোর

এটি ব্লাইন্ড ফাইথ থেকে ডিএনএ এনকোডিংয়ের কালার পার্ট (16x4 বিট) ব্যবহার করে তবে ডিএনএর বাকি অংশ (36 বিট) সম্পূর্ণ অব্যবহৃত ছেড়ে দেয়।

রঙের জন্য এনকোডিং হয়:

• 10 এক্সএক্স - নিরাপদ স্কোয়ারের জন্য;
• 11 এক্সএক্স - মারাত্মক স্কোয়ারের জন্য; এবং
• 0000 থেকে 0111 - 8 ধরণের ট্র্যাপ স্কোয়ারের জন্য।

যেখানে এক্স অব্যবহৃত বিট নির্দেশ করে। প্রদত্ত যে কেবলমাত্র 2-অফ -16 রঙগুলি ট্র্যাপগুলি যা তাদের সমস্ত 4 টি বিট ব্যবহার করবে (এবং কেবল ফাঁদটি যদি অফসেট হয় তবে এটি 8-অফ -9 বার হবে) তবে সেখানে সাধারণত 64 টি অব্যবহৃত বিট থাকবে - তত্ত্বটি হ'ল পরিবর্তনের ফলে যেগুলি এই অব্যবহৃত বিটগুলির মধ্যে যে কোনওটিকে প্রভাবিত করে জিনোমকে নষ্ট করবে না এবং স্থিতিশীলতা কোনও বাকী বিটগুলি ব্যবহার করতে পারে এমন কোনও অভিনব সমাধানের চেয়ে ভাল।

নমুনাগুলি তখন এগুলি নিজের উপর ভিত্তি করে 7x7 গ্রিডের মধ্যে নিরাপদ রুটের পরিকল্পনা করতে ব্যবহার করে (5x5 তাদের দৃষ্টি প্রতিটি পক্ষের 1 টি বর্গকে অফসেট ট্র্যাপগুলি অনুমতি দেয়) 3 টি পদক্ষেপের পরে সর্বাধিক দূরতাকে এগিয়ে যাওয়ার অগ্রাধিকার দেয়।

আমি প্রথমে কয়েকটি চেক তৈরির কাজটি শুরু করেছিলাম তা নিশ্চিত করার জন্য যে নমুনাটি বর্তমানে দাঁড়িয়ে আছে তা জেনোমের সাথে সামঞ্জস্যপূর্ণ নয় এবং UNSURE সুরক্ষার স্কোয়ার (এবং তাদের সংলগ্ন চৌকো) হিসাবে কোনও ভুল রঙকে পতাকাঙ্কিত করেছে - তবে এটি উল্লেখযোগ্য যোগ করেছে সেই স্কোয়ারগুলিকে নিরাপদ হিসাবে চিহ্নিত করা এবং কয়েকটি অতিরিক্ত নমুনা নিহত করার তুলনায় অল্প-অল্প-লাভের জন্য জটিলতা। সময় পেলে আমি এটিতে ফিরে আসব।

#include <initializer_list>
#include <vector>

enum class D { SAFE, LETHAL,TRAP_N, TRAP_NE, TRAP_E, TRAP_SE, TRAP_S, TRAP_SW, TRAP_W, TRAP_NW, UNSURE };
enum class X { SAFE, LETHAL, UNSURE };

inline void checkLocation( color_t color, D (&dna)[16], D check )
{
    if ( color != OUT_OF_BOUNDS && dna[color] == check )
        dna[color] = D::UNSURE;
}

inline void updateMapLocation( X (&map)[7][7], unsigned int x, unsigned int y, const X& safety ){
    if (        ( safety == X::LETHAL && map[x][y] != X::LETHAL )
            || ( safety == X::UNSURE && map[x][y] == X::SAFE ) )
        map[x][y] = safety;
}

inline unsigned int isSafePath( X (&map)[7][7], coord_t p )
{
    return map[p.x][p.y] == X::SAFE ? 1 : 0;
}
inline unsigned int isSafePath(X (&map)[7][7],coord_t p,coord_t q,coord_t r){
    if ( isSafePath( map,p ) )
        if ( isSafePath( map, q ) )
            return isSafePath( map, r );
    return 0;
}

inline unsigned int isSafeEast( X (&map)[7][7], coord_t p )
{
    if ( !isSafePath( map, p ) )
        return 0;
    if ( p.x == 6 )
        return 1;
    return isSafeEast(map,{p.x+1,p.y-1})
            +isSafeEast(map,{p.x+1,p.y+0})
            +isSafeEast(map,{p.x+1,p.y+1});
}

template<typename T> inline T max(T a,T b){return a>=b?a:b;}
template<typename T, typename... A> inline T max(T a,T b,A... c){return max(max(a,b),c...); }

coord_t cautiousSpecimins( dna_t d, view_t v ) {
    X map[7][7] = { { X::SAFE } };
    D dna[16] = { D::UNSURE };
    for ( color_t i = 0; i < 16; i++ )
    {
        if ( d[4*i] == 1 )
        {
            dna[i] = d[4*i + 1] == 1 ? D::LETHAL : D::SAFE;
        }
        else
        {
            switch ( dnarange( d, 4*i + 1, 3 ) )
            {
                case 0: dna[i] = D::TRAP_N; break;
                case 1: dna[i] = D::TRAP_NE; break;
                case 2: dna[i] = D::TRAP_E; break;
                case 3: dna[i] = D::TRAP_SE; break;
                case 4: dna[i] = D::TRAP_S; break;
                case 5: dna[i] = D::TRAP_SW; break;
                case 6: dna[i] = D::TRAP_W; break;
                case 7: dna[i] = D::TRAP_NW; break;
                default: dna[i] = D::UNSURE; break;
            }
        }
    }
    if ( v(-1, 0) != OUT_OF_BOUNDS )
        checkLocation( v( 0, 0), dna, D::LETHAL );

    if ( v(-1, 0) != OUT_OF_BOUNDS )
        for ( unsigned int y = 0; y < 7; ++ y )
            map[2][y] = X::LETHAL;

    if ( v(-2, 0) != OUT_OF_BOUNDS )
        for ( unsigned int x = 0; x < 2; ++x )
            for ( unsigned int y = 0; y < 7; ++ y )
                map[x][y] = X::LETHAL;

    if ( v( 0, 1) == OUT_OF_BOUNDS )
        for ( unsigned int x = 0; x < 7; ++x )
                map[x][4] = X::LETHAL;

    if ( v( 0, 2) == OUT_OF_BOUNDS )
        for ( unsigned int x = 0; x < 7; ++x )
            for ( unsigned int y = 5; y < 7; ++ y )
                map[x][y] = X::LETHAL;

    if ( v( 0,-1) == OUT_OF_BOUNDS )
        for ( unsigned int x = 0; x < 7; ++x )
                map[x][2] = X::LETHAL;

    if ( v( 0,-2) == OUT_OF_BOUNDS )
        for ( unsigned int x = 0; x < 7; ++x )
            for ( unsigned int y = 0; y < 2; ++ y )
                map[x][y] = X::LETHAL;

    checkLocation( v( 1, 1), dna, D::TRAP_SW );
    checkLocation( v( 1, 0), dna, D::TRAP_W  );
    checkLocation( v( 1,-1), dna, D::TRAP_NW );
    checkLocation( v( 0,-1), dna, D::TRAP_N  );
    checkLocation( v(-1,-1), dna, D::TRAP_NE );
    checkLocation( v(-1, 0), dna, D::TRAP_E  );
    checkLocation( v(-1, 1), dna, D::TRAP_SE );
    checkLocation( v( 0, 1), dna, D::TRAP_S  );

    for ( int x = 1; x <= 5; ++x )
    {
        for ( int y = 1; y <= 5; ++y )
        {
            switch( dna[v(x-3,y-3)] )
            {
                case D::LETHAL : updateMapLocation( map, x+0, y+0, X::LETHAL ); break;
                case D::TRAP_N : updateMapLocation( map, x+0, y+1, X::LETHAL ); break;
                case D::TRAP_NE: updateMapLocation( map, x+1, y+1, X::LETHAL ); break;
                case D::TRAP_E : updateMapLocation( map, x+1, y+0, X::LETHAL ); break;
                case D::TRAP_SE: updateMapLocation( map, x+1, y-1, X::LETHAL ); break;
                case D::TRAP_S : updateMapLocation( map, x+0, y-1, X::LETHAL ); break;
                case D::TRAP_SW: updateMapLocation( map, x-1, y-1, X::LETHAL ); break;
                case D::TRAP_W : updateMapLocation( map, x-1, y+0, X::LETHAL ); break;
                case D::TRAP_NW: updateMapLocation( map, x-1, y+1, X::LETHAL ); break;
//              case D::UNSURE : updateMapLocation( map, x+0, y+0, X::SAFE );
//                               updateMapLocation( map, x+0, y+1, X::UNSURE );
//                               updateMapLocation( map, x+1, y+1, X::UNSURE );
//                               updateMapLocation( map, x+1, y+0, X::UNSURE );
//                               updateMapLocation( map, x+1, y-1, X::UNSURE );
//                               updateMapLocation( map, x+0, y-1, X::UNSURE );
//                               updateMapLocation( map, x-1, y-1, X::UNSURE );
//                               updateMapLocation( map, x-1, y+0, X::UNSURE );
//                               updateMapLocation( map, x-1, y+1, X::UNSURE );
//                               break;
                default        : break;
            }           
        }
    }

    unsigned int north = isSafeEast(map,{4,4});
    unsigned int east  = isSafeEast(map,{4,3});
    unsigned int south = isSafeEast(map,{4,2});
    unsigned int mx    = max( north, east, south );
    unsigned int sz;
    std::vector<coord_t> dir;
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {+1,+1} );
        if ( east  == mx ) dir.push_back( {+1,+0} );
        if ( south == mx ) dir.push_back( {+1,-1} );

        return dir[v.rng.rint(dir.size())];
    }


    north = isSafePath(map,{4,4},{5,5},{5,6})
            + isSafePath(map,{4,4},{4,5},{5,6});
    south = isSafePath(map,{4,2},{5,1},{5,0})
            + isSafePath(map,{4,2},{4,1},{5,0});
    mx = max( north, south );
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {+1,+1} );
        if ( south == mx ) dir.push_back( {+1,-1} );

        return dir[v.rng.rint(dir.size())];
    }

    north = isSafePath(map,{3,4},{4,5},{5,6});
    south = isSafePath(map,{3,2},{4,1},{5,0});
    mx = max( north, south );
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {+0,+1} );
        if ( south == mx ) dir.push_back( {+0,-1} );

        return dir[v.rng.rint(dir.size())];
    }

    north = 2*isSafePath(map,{4,4},{4,5},{4,6})
            + 1*isSafePath(map,{4,4},{3,5},{4,6});
    south = 2*isSafePath(map,{4,2},{4,1},{4,0})
            + 1*isSafePath(map,{4,2},{3,1},{4,0});
    mx = max( north, south );
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {+1,+1} );
        if ( south == mx ) dir.push_back( {+1,-1} );

        return dir[v.rng.rint(dir.size())];
    }

    north = isSafePath(map,{3,4},{4,5},{4,6})
            + isSafePath(map,{3,4},{3,5},{4,6});
    south = isSafePath(map,{3,2},{4,1},{4,0})
            + isSafePath(map,{3,2},{3,1},{4,0});
    mx = max( north, south );
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {+0,+1} );
        if ( south == mx ) dir.push_back( {+0,-1} );

        return dir[v.rng.rint(dir.size())];
    }

    north = isSafePath(map,{2,4},{3,5},{4,6});
    south = isSafePath(map,{2,2},{3,1},{4,0});
    mx = max( north, south );
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {-1,+1} );
        if ( south == mx ) dir.push_back( {-1,-1} );

        return dir[v.rng.rint(dir.size())];
    }

    north = isSafePath(map,{3,4},{3,5},{3,6})
            + isSafePath(map,{3,4},{2,5},{3,6});
    south = isSafePath(map,{3,2},{3,1},{3,0})
            + isSafePath(map,{3,2},{2,1},{3,0});
    mx = max( north, south );
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {+0,+1} );
        if ( south == mx ) dir.push_back( {+0,-1} );

        return dir[v.rng.rint(dir.size())];
    }

    north = isSafePath(map,{2,4},{3,5},{4,6});
    south = isSafePath(map,{2,2},{3,1},{4,0});
    mx = max( north, south );
    if ( mx > 0 )
    {
        if ( north == mx ) dir.push_back( {-1,+1} );
        if ( south == mx ) dir.push_back( {-1,-1} );

        return dir[v.rng.rint(dir.size())];
    }

    return {-1,-1};
}

নমুনা স্কোর:

Scores: 421155 2 129418 71891 90635 1 211 1111987 29745 7 2200750 41793 50500 45 2012072 2 485698 1 110061 1554720 210308 249336 2 1 262110 17 3 19 1719139 23859 45118 3182784 318 2 1 15572 14 2822954 18 11 2 3 15954 1331392 2296280 135015 1 360826 1 692367 4 244775 4814645 3749144 3 1 660000 1 11 3688002 3920202 3428464 123053 1 243520 86 9 6 289576 195966 549120 220918 9 1 43 71046 5213 118177 150678 54639 3 200839 1 3 6 1978584 1514393 119502 1 1 137695 184889 337956 1 1 441405 133902 991 1 4137428 1 1427115 3340977 1 2 1 55559 11 1 94886 30270 1 6 3 69394 264780 6877 47758 128568 1 116672 130539 163747 96253 1 2654354 1 141 58212 1613661 27 9504 1 2474022 843890 1 59 3110814 2353731 150296 313748 2590241 6 5970407 1434171 2 334715 141277 1 56810 2964306 51544 61973 715590 1 106 900384 50948 2 34652 108096 391006 1 2969764 47625 1 24 30481 44 8 1 18 2094036 106461 3080432 75 620651 16 71730 282145 275031 17 1 8 15 121731 18 2 1 1 495868 3252390 6 1 63712 7 3733149 13380 1 1
Geometric mean score: 2030.17

পরীক্ষার সময় সর্বোচ্চ স্কোর: 8,150,817 নমুনাগুলি সংরক্ষণ করা হয়েছে।

Comments

এখন আপনি এটি করেছেন ... আমি পরে পথের সংরক্ষণ করতে চেয়েছিলাম, তবে আমি আপনার সতর্কী ইঁদুরগুলিকে অপরিবর্তিত রেখে যেতে পারিনি :) যেমনটি দেখা যাচ্ছে, পথিকরণ আরও কার্যকর কোডিং দিয়ে আরও ভাল কাজ করে। আপনার পাথের অঞ্চলটি 7x7 প্রসারিত করার ধারণাটিও আশাব্যঞ্জক বলে মনে হচ্ছে। আমি এটি ব্যবহার করতে পারি কিনা তা দেখতে পাব।

আমি বর্তমানে এটির জন্য 2000 রান করছি ... প্রথম 900 পরে গড়টি 600 এর কাছাকাছি স্থির হয়ে উঠবে বলে মনে হচ্ছে, যা 2000 থেকে অনেক দূরে। আপনি 2000 এটিকে আবারও পুনরায় পরিচালনা করতে আপত্তি জানাতে চাইবেন কিনা শুধু একটি ফ্লুক?

— মার্টিন এন্ডার