Question

我制造了原始战舰，现在我正在寻求将我的AI从随机猜测升级为统计猜测位置。我无法在线查找算法，所以我的问题是这个应用程序已经存在哪种算法？我将如何实现一个？

船舶：5,4,3,3,2

字段：10X10

板：

OCEAN = "O"
FIRE = "X"
HIT = "*"
SIZE = 10
SEA = [] # Blank Board
for x in range(SIZE):
    SEA.append([OCEAN] * SIZE)

如果你想看到剩下的代码，我在这里发布：（https://github.com/Dbz/Battleship/blob/master/BattleShip.py）;我不想用很多不相关的代码来混淆这个问题。

Answer 1

最终的天真解决方案是通过每一个可能的船只安置（合法的信息已知）并计算每个方格已满的次数。

显然，在一个相对空白的董事会中，这不会起作用，因为有太多的排列，但一个好的开始可能是：

对于船上的每个方格：浏览所有船只并计算它在该方格中适合的方式，即每个方格的船长检查它是否适合水平和垂直。

如果其他船舶可以合法放置，同时覆盖所有已知的“撞击”（已知包含船舶的地方），则可以对每个可能的船舶放置进行检查。

为了提高性能，如果只有一艘船可以放置在给定的位置，则不再需要在其他位置进行测试。此外，当有许多“命中”时，首先覆盖所有已知的“命中”可能会更快，并且每个可能的封面都可以通过其余部分。

编辑：您可能想要查看DFS。

编辑：在评论中详细说明OP的（@Dbz）建议：持有一套被解雇的船只（'被解雇'）的船只（可以表示为字符串，比如说"4V5x3"表示长度为4的船只在5x3,5x4,5x5,5x6中），在猜测之后你添加所有的猜测放置的位置，然后对于每个方格保持一组与它相交的放置（'placements [x，y]'），则概率为： 34-|intersection(placements[x,y], dissmissed)|/(3400-|dismissed|)

要添加到已被删除的列表：

如果猜测（X，Y）是未命中添加placements[x,y]
如果猜测（X，Y）是一个命中：
- 添加相邻的展示位置（假设船只不能相邻放置），即添加：
  - <(2,3a,3b,4,5)>H<X+1>x<Y>，<(2,3a,3b,4,5)>V<X>x<Y+1>
  - <(2,3a,3b,4,5)>H<X-(2,3,3,4,5)>x<Y>，<(2,3a,3b,4,5)>V<X>x<Y-(2,3,3,4,5)>
  - 2H<X+-1>x<Y+(-2 to 1)>，3aH<X+-1>x<Y+(-3 to 1)> ...
  - 2V<X+(-2 to 1)>x<Y+-1>，3aV<X+(-3 to 1)>x<Y+-1> ...
- 如果|intersection(placements[x,y], dissmissed)|==33，即只有一个展示位置可以添加（见下文）
检查是否有任何预览点击只剩下一个可能的位置，如果是，请添加船
检查是否有任何船只只有可能的位置，如果是，请添加船

添加船只：

将该船的所有其他展示位置添加至已解散
对于船舶展示位置的每个（x，y）添加placements[x,y]而不包含实际展示位置
对于船舶放置标记的每个（x，y）作为命中猜测（如果尚未知道）运行阶段2
对于每个（x，y）相邻的船舶放置标记作为未命中猜测（如果尚未知道）运行阶段1
第3阶段和第4阶段。

我可能已经过度复杂了，可能会有一些冗余的行动，但你明白了。

Answer 2

很好的问题，我喜欢你对统计方法的想法。
我想我会尝试machine learning解决这个问题的方法如下：

首先将您的问题建模为classification problem。
分类问题是：给定一个方格(x,y) - 你想知道在这个方格中有一艘船的可能性。让这个可能性为p。

接下来，您需要开发一些功能＆＃39;。您可以将(x,y)的周围[因为您可能对其有部分了解]作为您的功能。

例如，以下迷你电路板中间的功能（+表示您想要确定是否有船的正方形）：

OO*
O+*
?O?

可以是：

f1 = (0,0) = false
f2 = (0,1) = false
f3 = (0,2) = true
f4 = (1,0) = false
**note skipping (1,1)
f5 = (1,2) = true
f6 = (2,0) = unknown
f7 = (2,1) = false
f8 = (2,2) = unknown

我实现了相对于原点的功能（在这种情况下为(1,1)），而不是船上的绝对位置（因此(3,3)之前的正方形也将是f2）

现在，创建一个训练集。训练集是一个标记为＆＃39;一组功能 - 基于一些真正的主板。您可以手动创建它（创建大量的电路板），通过随机的放置生成器或您可以收集的其他数据自动创建。

将训练集提供给学习算法。该算法应该能够处理未知数＆＃39;并且能够给出＆＃34; true＆＃34;的概率。而且不仅仅是一个布尔答案。我认为Naive Bayes的变体可以很好地适应这里。

获得分类器后 - 将其与AI一起使用。
轮到你时，选择射击最大值为p的正方形。首先，镜头将是随机的 - 但是你射击更多的镜头，你将获得更多关于棋盘的信息，AI将利用它来进行更好的预测。

请注意，我根据大小为1的正方形提供了功能。您当然可以选择任何k并在这个更大的广场上查找功能 - 它会为您提供更多功能，但每个功能可能都不太准确。没有经验法则会更好 - 而且应该进行测试。

Answer 3

主要问题是，您如何找到统计上可能的位置。他们已经知道了，或者你想弄明白吗？无论哪种情况，我只是让网格称重。在您的情况下，每个插槽的初始权重为1.0 /（SIZE ^ 2）。权重之和必须等于1。然后，您可以根据从N个最后一场比赛中收集的统计数据调整权重。现在，当您的AI做出选择时，它会根据加权概率选择一个坐标。快速而简单的方法是：

在[0..1]
从插槽（0,0）开始添加权重，即S = W（0,0）+ W（0,1）+ ....其中W（n，m）是权重相应的插槽。一旦S＆gt; = R，你就得到了要点击的坐标。

这可以通过预先计算每一行的累积权重进行优化，玩得开心：）

Answer 4

找出哪些船还活着： alive = [2,2,3,4]＃活船长度
找出你没有拍摄的地方，例如使用numpy.where（）
环绕可以拍摄的地方。
检查给定位置的两侧。左右走，有多少个空格？上下，有多少个空格？如果你可以在很多空间里安装一艘船，那么你可以安装任何较小的船，所以这个循环我是从最大的船向下进行的，而且我会在这个位置增加+1，因为船只较小比那个适合的。
一旦完成了所有这些操作，具有更多分数的位置应该是最有可能攻击并击中的东西。

当然，它可以变得像你想要的那么复杂。你也可以问自己，而不是我的下一个命中，哪些命中组合将给我带来更少的命中数或任何其他组合/参数化问题的胜利。祝你好运！

如何为战舰中的船只生成统计上可能的位置

4 个答案: