本文主要是介绍被智商检测器侮辱之后,我直接怒开PyCharm(上),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
游戏玩法
-
开局任选一个空格翻开,作为起始点;
-
如果紧挨着该棋子且在同一条直线上有连续两个空格,则可以移除该棋子,把另外两个空格翻开(操作就是点一下远端的空格,再点一下该棋子,就会自动实现上述操作);
- 重复 2 的操作,直到只剩一个空格为止。
试玩体验
既然都说了是智商检测器,那对于我这种低智商的人来说必然是极具挑战性了。果然,打开游戏20分钟后,尽管已经重新开始了无数次,但依然毫无头绪。编程学习资料点击免费领取
在没有思路的情况下,即便我通过大量的尝试碰巧赢了游戏,我也不会有任何的成就感,或者对自己的智商有更多一分的信心,反而会在这种侥幸中感到空虚和迷茫。因此我很快就放弃了。
但如果就这么把游戏关了,那我岂不是彻底输了!为了在智商检测器面前挽回最后一点自尊,也不枉我20分钟的尝试,我决定写个程序暴力算出攻略。反正也好久没写代码了,就当练练手。
于是,我怒开PyCharm,新建了一个Python文件,准备暴力求解。
实现
其实这个任务最开始给我的感觉是银行家算法
,每次移动前提前判断这样做之后是否存在能完成游戏的安全序列。但我仔细想想其实跟银行家算法的侧重点并不同,因为我们只要能找到一个安全序列就能完成游戏,而整个问题的核心也恰恰在于找到这个安全序列。
而从实现的角度而言,跳房子游戏的算法应该比银行家算法稍微复杂一些,如果把棋子占用格子和释放格子类比成进程占有资源和释放资源,那么棋盘中的棋子实际上是一种“常驻”的进程,这又会对后续的分配造成影响。所以直接套用银行家算法是不太合适的。
不过好在游戏规则简单,问题也没有到很复杂的程度。那么我们开始吧。
棋盘建模
首先,我们如何表示棋盘呢?
我们希望有一种模型能够体现这些空格或者棋子的相对位置关系,该模型应该包含空格的编号和属性。对于编号而言,我选择直接用整数编码,用0~14
的整数来标识每一个空格,这样也对应列表的下标,较为方便。
但属性就值得思考了。根据游戏规则,在这些棋子的所有相对位置关系中,用到的就只有是否相邻、是否共线这两个。
我希望能给这些点设计一个属性,当我任取三个点,都能方便地判断他们是否满足相邻且共线的关系。比如,给定(0, 1, 3)
,返回结果True
,给定(0, 1, 2)
,返回结果False
。
坐标系
我首先想到的是坐标,这也是最符合直觉的。把这个棋盘映射到平面直角坐标系中,然后建立解析几何关系,用来判断点与点之间的联系。共线关系可以直接用三点中任意两点连线的斜率来判断,而相邻关系可以用两点之间的欧氏距离。
然而,如果不对原棋盘进行变形,那么这些点的坐标中就不可避免地会出现无理数,这是我不想看到的。将等边三角形便变形成一个等腰直角三角形可以解决这个问题,但这样的话,点与点之间的距离就会各不相同,进而引起其它麻烦。
这才是整个任务的第一步,我不想在这上面花太多精力。因此,我就没有再考虑坐标系方法了。
卡诺图
卡诺图是两年在数字逻辑课程中学习的知识。既然我希望任意给出3个点,输出是或不是的判断,那不就可以通过逻辑表达式来实现吗?结合卡诺图可以对表达式进行化简并具象出来。
然而,我稍加回忆,又很快否决了这个方案。我们学习时的卡诺图是二进制的,这样即便有8个甚至更多维度,我们也能通过卡诺图进行表示、化简。然而,在这个任务中,尽管只有3个维度(即输入的3个点),但每个点都是15进制,这就意味着如果我们想要枚举所有情况,就必须画一个15x15x15
的卡诺图,然后再化简。这显然是不现实的。
我数了一下,图中一共有18个三点共线相连关系,即便得到了逻辑关系,也将是一个极其冗长的表达式。
神经网络
放弃卡诺图之后,我脑海中突然又闪过了一个邪恶的念头。既然通过人力来提取逻辑表达式工作量太大,那我设计一个神经网络,让机器自己学习输入输出之间的逻辑关系,不就行了吗?
对于这样一个简单的分类任务,即便是最基本的多层感知机也绰绰有余。然而问题又来了,这样就得我自己构建一个数据集,给每一个可能的输入标注上分类结果。虽然只有16个正样本,但依然需要耽误一会儿时间,而且后面还要训练。
因此,神经网络方法也不合适。
位置嵌入(positional encoding)
我叫着玩儿的,借鉴了Embedding
的概念。其实Embedding这个词用在深度学习中的应用也不是很准确,只不过大家都这样叫就约定俗成了。
既然上面一种方法已经需要我手动标注所有数据了,我何不顺势而为找一种相对简洁的方法来实现呢?最终,我选择了一种18位长的01序列来给每一个节点编码。如果我们只观察这15个节点的编码的第一位,则只有0、1、3三个节点的该位是1,其它节点该位都是0。以此类推,把18组关系全部放进编码中。这样,我们就可以直接通过位操作,把任意3个点的编码相与,如果结果不是全0,就说明符合我们想要的关系。
15个点的编码分别为:
NodesEmbedding = [0b100000000000000100, # 00b110000000000010000, # 10b000100000000000110, # 20b111000100000100000, # 30b000110100000011000, # 40b000001100000000111, # 50b011000010000000000, # 60b000110011000100000, # 70b000001011000011000, # 80b000000001000000011, # 90b001000000100000000, # 100b000010000110000000, # 110b000001000111100000, # 120b000000000011001000, # 130b000000000001000001 # 14
]
复制代码
只需定义一个极其简单的函数即可实现位置关系的判断:
def isSameRow(n1, n2, n3):return bool(NodesEmbedding[n1] & NodesEmbedding[n2] & NodesEmbedding[n3])
复制代码
小结
至此,我们完成了对棋盘的建模,完成了暴力求解任务的第一步。接下来实现核心算法。
然而,写到这里,我发现我的游戏已经下好了,我必须去玩游戏了,所以很遗憾不能一次性写完。如果大家感兴趣,欢迎持续关注,我会很快更新后续的内容。
这篇关于被智商检测器侮辱之后,我直接怒开PyCharm(上)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!