В этом вопросе была разработана игра, в которой игроки встречались друг с другом в паре в дилемме заключенного, чтобы определить, какая итерационная стратегия набрала наибольшее количество очков по сравнению с другими.
В этом вопросе я придумал, как несколько человек могли одновременно играть дилемму заключенных друг против друга. В этом варианте матрица выигрыша не нужна, причем каждый результат между каждой парой двух игроков является суммой двух функционально независимых решений.
Ваша задача состоит в том, чтобы создать ИИ для игры в эту симметричную обобщенную версию многопользовательской дилеммы заключенного, которая позволит набрать максимально возможное количество очков.
Правила игры
В каждом раунде этой многопользовательской дилеммы с несколькими раундами игрок Aможет решить «взять 1» у другого игрока B. В этом случае количество Aочков увеличивается на 1, а количество Bочков уменьшается на 2. Это решение может приниматься между каждой заказанной парой игроков.
Это единственное решение, принятое для каждого игрока - либо «брать 1», либо не «брать 1» у каждого другого игрока, которые гомологичны дезертирству и сотрудничеству соответственно. Эффективная матрица выигрышей между двумя игроками P1и P2выглядят следующим образом :
P1/P2 P1 Take1 P1 Don't
P2 Take1 -1/-1 -2/+1
P2 Don't +1/-2 0/ 0
Турнирная процедура
Игра будет состоять из P * 25раундов, где Pуказано количество участвующих игроков. Все игроки начинают со счета 0. Каждый раунд будет состоять из следующей процедуры:
В начале раунда каждой программе будет предоставлена история предыдущих раундов из стандартного ввода в следующем формате:
Одна линия , содержащая 3 числа,
P,D, иN.Pобщее количество игроков в игре. Каждому игроку случайным образом присваивается идентификационный номер от1доPв начале игры.Dэто идентификатор текущего игрока.Nколичество сыгранных раундов
Nлинии, каждая строка, представляющая результаты раунда. На линииkизN, будет некоторое количествоn_kупорядоченных пар(a, b), разделенных пробелами, которые представляют собой , что игрок с идентификаторомa«принял 1» от игрока с IDbв этом раунде.Равномерно случайное число
Rот0до18446744073709551615(2 64 - 1), действующее как псевдослучайное семя. Эти числа будут считаны из предварительно сгенерированного файла, который будет выпущен в конце турнира, чтобы люди могли сами проверить результаты.Одна дополнительная строка, представляющая некоторую форму состояния, которая будет считана в вашу программу, если ваша программа выдала такой вывод в предыдущем раунде. В начале игры эта строка всегда будет пустой. Эта строка не будет изменена ни кодом оценки, ни другими программами.
Каждая программа затем использует свою стратегию для получения следующего стандартного результата :
Список
Kномеров, которые являются идентификаторами программ, которые он «возьмет 1» из этого раунда. Пустой вывод означает, что он ничего не будет делать.По желанию, одна дополнительная строка, представляющая некоторую форму состояния для передачи в последующие раунды. Эта точная строка будет возвращена программе в следующем раунде.
Ниже приведен пример ввода для начала игры для игрока с ID 3в игре для 4 игроков:
4 3 0
4696634734863777023
Ниже приведен пример ввода для той же игры с несколькими уже сыгранными раундами:
4 3 2
(1, 2) (1, 3) (1, 4) (4, 2)
(1, 3) (2, 1) (2, 4) (3, 1) (4, 1)
4675881156406346380
Каждой программе будет предоставлен один и тот же вход для раунда, за исключением идентификационного номера, Dкоторый уникален для каждой программы.
Ниже приведен пример вывода, в котором игрок 3получает 1 от всех остальных:
1 2 4
В конце всех необходимых раундов игрок с наибольшим итоговым счетом будет победителем.
График
Кодирование для этого турнира будет длиться в общей сложности 7 дней. Крайний срок подачи заявок 2014-05-09 00:00 UTC.
Не публикуйте фактические программы до этой даты - опубликуйте хеш SHA256 исходного кода вашей программы в качестве обязательства. Вы можете изменить этот хэш в любое время до истечения срока, но обязательства, опубликованные после истечения срока, не будут приняты к рассмотрению. (Пожалуйста, используйте нотацию base 64 для ваших хэшей, так как моя программа верификации выделяет base 64, и это более компактная нотация.)
После истечения крайнего срока у вас будет 1 день (до 2014-05-10 00:00 UTC), чтобы опубликовать фактический исходный код вашей программы для отправки. Если хеш SHA256 вашего опубликованного исходного кода не соответствует ни одному хешу, который вы опубликовали до истечения крайнего срока, ваш код не будет принят в турнир.
После этого я буду загружать все заявки на свой компьютер и запускать все записи турниров в этой битве, надеясь опубликовать результаты в течение 2 дней с этого момента 2014-05-12 00:00 UTC.
Я приму ответ с наивысшим баллом и назначу награду +100 за этот ответ, если его итоговый балл будет больше, чем 0.
После окончания турнира я опубликую файл случайных чисел, используемый для запуска соревнования, и люди могут начать публиковать другие решения, пытаясь превзойти те, которые используются в турнире. Тем не менее, они не будут учитываться для принятия или щедрости.
Хост-машина
Я буду запускать эти решения на виртуальной машине на моем компьютере. Эта виртуальная машина будет работать под управлением Ubuntu Linux 14.04 с 2 гигабайтами оперативной памяти. На моей базовой машине установлен процессор Intel i7-2600K с тактовой частотой 3,40 ГГц.
Требования
Ваша программа должна быть написана на языке, для которого существует компилятор или интерпретатор, который будет компилировать вашу программу, и он доступен для последней версии Ubuntu Linux, чтобы я мог запустить все представленные материалы и оценить их на виртуальной машине.
Ваша программа не должна занимать больше, чем 2.000 secondsзапускать каждый раунд. Если ваша программа не работает или выдает ошибку, ее вывод будет считаться пустым для этого раунда.
Ваша программа должна быть детерминированной; то есть он всегда должен возвращать один и тот же вывод для одного и того же ввода. Разрешены псевдослучайные решения; тем не менее, их случайность должна зависеть от случайного начального числа, данного ему в качестве входных данных, и ничего более. Начальный файл был создан с использованием Python os.urandom. Он содержит в общей сложности 500 строк (при необходимости будет сгенерировано больше) и его хэш SHA256 K+ics+sFq82lgiLanEnL/PABQKnn7rDAGmO48oiYxZk=. Он будет загружен здесь после окончания турнира.
растения
Для начала будет четыре «растения», представляющих первоначальные наивные стратегии. Они будут играть в турнире вместе с вашими представлениями. Однако в маловероятном случае, если один из них выиграет, победителем будет считаться наибольшее количество очков, полученное игроком, не являющимся растением.
Чтобы вычислить хэш файла каждого завода, замените каждую группу из 4 пробелов табуляцией, так как форматер здесь не похож на символы табуляции.
Ленивый - никогда ничего не делает.
n1bnYdeb/bNDBKASWGywTRa0Ne9hMAkal3AuVZJgovI=
passЖадный - всегда получает 1 от всех остальных.
+k0L8NF27b8+Xf50quRaZFFuflZhZuTCQOR5t5b0nMI=
import sys
line1 = sys.stdin.readline()
n = [int(i) for i in line1.split()]
for i in range(n[0]):
if i+1 != n[1]:
print i+1,
printГневный - получает 1 от всех в первом раунде и получает 1 от всех, кто взял 1 из него в предыдущем раунде впоследствии.
Ya2dIv8TCh0zWzRfzUIdFKWj1DF9GXWhbq/uN7+CzrY=
import sys
import re
line1 = [int(i) for i in sys.stdin.readline().split()]
players = line1[0]
pid = line1[1]
rounds = line1[2]
lines = []
if rounds == 0:
for i in range(players):
if i+1 != pid:
print i+1,
print
else:
for i in range(rounds):
lines.append(sys.stdin.readline())
lastline = lines[-1]
takes = re.findall(r'\([0-9]+, [0-9]+\)', lastline)
for take in takes:
sides = [int(i) for i in re.findall(r'[0-9]+', take)]
if sides[1] == pid:
print sides[0],
printЗавистник - берет 1 из 50% игроков с текущим наибольшим счетом, исключая себя, округляя вниз.
YhLgqrz1Cm2pEcFlsiIL4b4MX9QiTxuIOBJF+wvukNk=
import sys
import re
line1 = [int(i) for i in sys.stdin.readline().split()]
players = line1[0]
pid = line1[1]
rounds = line1[2]
lines = []
scores = [0] * players
if rounds == 0:
for i in range(players):
if i+1 != pid:
print i+1,
print
else:
for i in range(rounds):
takes = re.findall(r'\([0-9]+, [0-9]+\)', sys.stdin.readline())
for take in takes:
sides = [int(i) for i in re.findall(r'[0-9]+', take)]
scores[sides[0] - 1] += 1
scores[sides[1] - 1] -= 2
score_pairs = [(i+1, scores[i]) for i in range(players)]
score_pairs.sort(key=lambda x:(x[1], x[0]))
score_pairs.reverse()
taken = 0
j = 0
while taken < (players) / 2:
if score_pairs[j][0] != pid:
print score_pairs[j][0],
taken += 1
j += 1В турнире из 100 туров только среди этих четырех они получают очки:
Lazy: -204
Greedy: -100
Wrathful: -199
Envious: -199
Программа судейства
Я разместил программу судейства, которую я буду использовать на Github . Загрузите и проверьте это. (И может исправить ошибку или два, если вы найдете один.: P)
На данный момент у него нет опций компиляции для чего-то кроме Python. Я включу их позже - если бы люди могли предоставить сценарии компиляции или интерпретации для других языков, я был бы очень благодарен.
Этап 2: Предоставление исходного кода
Я разместил новую ветку tournamentв репозитории Github для конкурса, содержащую файл pd_rand и другие записи завода. Вы можете опубликовать свой исходный код здесь или отправить его в эту ветку в виде запроса на извлечение.
Порядок участников будет следующим:
'begrudger'
'regular'
'patient'
'lazy'
'backstab'
'bully'
'lunatic'
'envious'
'titfortat'
'greedy'
'wrathful'
'judge'
'onepercent'
Итоговые результаты
Вывод моей тестовой программы:
Final scores:
begrudger -2862
regular -204
patient -994
lazy -2886
backstab -1311
bully -1393
lunatic -1539
envious -2448
titfortat -985
greedy -724
wrathful -1478
judge -365
onepercent -1921
Рейтинг:
1. regular -204
2. judge -365
3. greedy -724
4. titfortat -985
5. patient -994
6. backstab -1311
7. bully -1393
8. wrathful -1478
9. lunatic -1539
10. onepercent -1921
11. envious -2448
12. begrudger -2862
13. lazy -2886
Вот и получается, что победителем действительно является игрок - это Регулярный, с -204 очками!
К сожалению, его оценка не была положительной, но мы вряд ли можем ожидать, что это в симуляции Дилеммы Итеративного Заключенного, где все играют, чтобы выиграть.
Некоторые неожиданные результаты (по крайней мере, я думал, что они были удивительными):
Жадный забил больше, чем Тит за Тат, и на самом деле, как правило, выше, чем большинство бомбардиров вообще.
Судья, который должен был быть своего рода персонажем, обеспечивающим соблюдение морали (по сути, он взял 1 от того, кто взял 1 у кого-либо выше среднего числа раз), в итоге получил довольно высокий балл, в то время как в симуляционном тестировании он фактически получить довольно низкий балл.
И другие, которые (я думал) не были такими удивительными:
Пациент набрал на 484 балла больше, чем «Гневный». Это действительно выгодно сотрудничать в первый раз.
Один процент очень быстро почти никого не пнул, пока они были внизу. Похоже, что 1% может остаться таким только потому, что в игре больше игроков.
В любом случае, теперь, когда турнир закончен, не стесняйтесь размещать столько дополнительных игроков, сколько захотите, и проверяйте их с помощью программы судей.