随机囚徒三引理- Python 3 KOTH
囚徒的困境，但有三个选择，和回报是随机的！
每一轮，你的机器人收到一个3x3网格，并选择一行发挥。网格可能是这样的：
4 5 7
3 1 9
9 9 0网格中的每个数字在0到10之间(包括在内)。你这一轮的得分是grid[your_play][their_play]，而你的对手是grid[their_play][your_play]。您按顺序播放100次(+/-10)回合，保留任何您想要的信息。胜利者是最终得分较高的机器人(两个机器人平局均为0.5胜)。
示例
使用上面的网格：
玩家1:第2排
玩家2:第2行
两名球员都得到了零分。
玩家1:第1排
玩家2:第0行
第一名获得3分，第2名获得5分。
赢
每个机器人将与每个机器人(包括自己！)玩10场~100回合的比赛。你的机器人可以在以下两类中获胜：
- 得分:将总分相加，终场得分最高的机器人将获胜。
- 胜利:一场“胜利”被计算为在100轮比赛后得分最高的机器人。
总冠军将通过合并两张表来确定。获奖者将被接受约1周后，最近的条目，但我可能会继续更新高分表，如果新的条目被添加。
技术细节
在Python 3中使用以下签名编写两个函数：
def strategize(grid: list[list[int]], store: object) -> intdef interpret(grid: list[list[int]], moves: tuple(int, int), store: dict) -> Nonestrategize被称为每一轮，并且应该返回0、1或2。grid是可能支付的3x3网格。store是一个空的数据集，可以存储任何您想要存储的信息。
- 在每一轮之后都会调用
interpret。moves是一个包含(your_move，opponents_move)的元组
将您的代码放在您的答案中的第一个代码块中，这样控制器就可以轻松地拉进您的机器人。
示例机器人
“奈伊夫”选择了平均支出最高的行。
def strategize(grid, store):
sums = [(sum(x), i) for (i, x) in enumerate(grid)]
return max(sums)[1]
def interpret(grid, moves, store):
pass“随机”选一列。
import random
def strategize(grid, store):
return random.randint(0, 2)
def interpret(grid, moves, store):
pass规则
- 不要通过直接干扰对手来作弊(通过全局变量等)。
- 您的功能应该相对较快地执行--越快越好。
- 您可以提交多个条目。
控制器，竞技场
控制器可在https://github.com/Nucaranlaeg/KOTH-random-prisoner.
上使用
该控制器主要是从https://github.com/jthistle/KOTH-counting中改编而来。
本文还提供了几个示例机器人，以演示如何使用它。
arena.py是我用来计算最后分数的工具。它让每一个机器人互相对决。
update.py将从竞赛页面中获取所有提交的机器人。
使用标志--c或-constant将导致游戏的玩，而不是随机的网格之间的回合，纯粹是为了兴趣。
当前结果
By score:
1: Blendo with 12237.8 points
2: The Student with 11791.8 points
3: Naiive with 11728.2 points
4: Analyst with 11591.9 points
5: Min-Maxer with 11155.3 points
6: Rafaam with 11041.1 points
7: Naive Variation with 10963.1 points
8: Villain with 10853.6 points
9: Gradient-Mehscent with 10809.8 points
10: Gentleman with 10715.1 points
11: WhatDoYouExpect with 10676.6 points
12: Thief with 9687.6 points
13: Minimum Maximizer with 9656.0 points
14: HermitCrab with 9654.5 points
15: crab with 9001.9 points
16: Investigator with 8698.0 points
17: Random with 8653.3 points
By wins:
1: The Student with 15.2/16 wins
2: Blendo with 14.8/16 wins
3: Rafaam with 14.1/16 wins
4: WhatDoYouExpect with 13.9/16 wins
5: Naiive with 11.3/16 wins
6: Analyst with 10.8/16 wins
7: Min-Maxer with 10.4/16 wins
8: Naive Variation with 8.1/16 wins
9: Villain with 8.1/16 wins
10: HermitCrab with 7.3/16 wins
11: crab with 6.4/16 wins
12: Thief with 5.1/16 wins
13: Minimum Maximizer with 3.9/16 wins
14: Gradient-Mehscent with 1.9/16 wins
15: Investigator with 1.6/16 wins
16: Random with 1.5/16 wins
17: Gentleman with 1.5/16 wins
Combined leaderboard (fewer pts = better):
1: Blendo (3 pts)
1: The Student (3 pts)
3: Naiive (8 pts)
4: Rafaam (9 pts)
5: Analyst (10 pts)
6: Min-Maxer (12 pts)
7: Naive Variation (15 pts)
7: WhatDoYouExpect (15 pts)
9: Villain (17 pts)
10: Gradient-Mehscent (23 pts)
11: Thief (24 pts)
11: HermitCrab (24 pts)
13: Minimum Maximizer (26 pts)
13: crab (26 pts)
15: Gentleman (27 pts)
16: Investigator (31 pts)
17: Random (33 pts)回答 15
Code Golf用户
发布于 2021-06-07 21:27:58
蟹
螃蟹想让每个人都死。当其他人都不快乐的时候，螃蟹是快乐的。是的螃蟹回来了。
def strategize(grid, store):
aa = grid[0][0] #aa means '0-0'.
ab = grid[1][0] #and similarly for the others.
ac = grid[2][0]
ba = grid[0][1]
bb = grid[1][1] #I wish I had a macro to do this.
bc = grid[2][1]
ca = grid[0][2]
cb = grid[1][2]
cc = grid[2][2]
a = (aa * ab * ac)/3 # a, b, and c are the respective averages.
b = (ba * bb * bc)/3
c = (ca * cb * cc)/3
if a <= min(b, c):
return 0
if b <= min(a, c):
return 1
return 2
def interpret(grid, moves, store):
pass具体来说，它选择了对对手伤害最大的价值。
Code Golf用户
发布于 2021-06-07 07:15:28
分析师
def strategize(grid, store = None):
nonzero = [a for a in range(3)]
if len([a for a in grid if not 0 in a]):
maximum = max(nonzero, key=lambda index: sum(grid[index]) if not 0 in grid[index] else 0)
if max(grid[maximum]) > 5:
return maximum
else:
return max(nonzero, key=lambda arr: max(grid[arr]))
return __import__('random').randint(0, 2)
def interpret(grid, moves, store):
pass分析师是一种机器人，它试图从非零的可能性中找到最高的平均值，如果最大值不够高，那么就找出最大值最大的指数。如果所有子列表都有零，请随机选择。
Code Golf用户
发布于 2021-06-07 12:21:12
WhatDoYouExpect
def strategize(grid, store):
expected = [0] * 3
for my_play in range(3):
for opponent_play in range(3):
expected[my_play] += grid[my_play][opponent_play] - grid[opponent_play][my_play]
return expected.index(max(expected))
def interpret(grid, moves, store):
pass始终以最大期望值执行移动操作。
https://codegolf.stackexchange.com/questions/229155
复制相似问题
腾讯云开发者
