标签：编码 游戏 检测器 空格 棋子 怒开 卡诺图 PyCharm 棋盘
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, # 0
0b110000000000010000, # 1
0b000100000000000110, # 2
0b111000100000100000, # 3
0b000110100000011000, # 4
0b000001100000000111, # 5
0b011000010000000000, # 6
0b000110011000100000, # 7
0b000001011000011000, # 8
0b000000001000000011, # 9
0b001000000100000000, # 10
0b000010000110000000, # 11
0b000001000111100000, # 12
0b000000000011001000, # 13
0b000000000001000001 # 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。
标签：编码,游戏,检测器,空格,棋子,怒开,卡诺图,PyCharm,棋盘 来源： https://blog.csdn.net/m0_63171455/article/details/122696073
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。