[論文レビュー] An experimental study of exhaustive solutions for the Mastermind puzzle

J. J. Merelo, Antonio M. Mora+2 more|arXiv (Cornell University)|Jul 5, 2012

Artificial Intelligence in Games参考文献 2被引用数 6

ひとこと要約

本稿では、マスターマインドパズルにおける新しい包括的探索戦略を提案し、評価する。特に、候補手順集合に真の解を含めることの重要性に焦点を当て、この要因を重視する手法が古典的手法を上回ることを示している。著者らはエントロピーとマストパーツのハイブリッドスコアリング手法を導入し、最新の手法と同等の性能を達成するとともに、進化的戦略などの非包括的アルゴリズムとの相性も向上させている。

ABSTRACT

Mastermind is in essence a search problem in which a string of symbols that is kept secret must be found by sequentially playing strings that use the same alphabet, and using the responses that indicate how close are those other strings to the secret one as hints. Although it is commercialized as a game, it is a combinatorial problem of high complexity, with applications on fields that range from computer security to genomics. As such a kind of problem, there are no exact solutions; even exhaustive search methods rely on heuristics to choose, at every step, strings to get the best possible hint. These methods mostly try to play the move that offers the best reduction in search space size in the next step; this move is chosen according to an empirical score. However, in this paper we will examine several state of the art exhaustive search methods and show that another factor, the presence of the actual solution among the candidate moves, or, in other words, the fact that the actual solution has the highest score, plays also a very important role. Using that, we will propose new exhaustive search approaches that obtain results which are comparable to the classic ones, and besides, are better suited as a basis for non-exhaustive search strategies such as evolutionary algorithms, since their behavior in a series of key indicators is better than the classical algorithms.

研究の動機と目的

• 真の解が候補手順に含まれることの、マスターマインドにおける包括的探索性能に与える影響を調査すること。
• ヒューリスティックに基づく探索の縮小戦略だけでは十分であるか、それとも真の解の包含が決定的要因であるかを評価すること。
• 進化的アルゴリズムなどの非包括的メタヒューリスティクスの基盤としてより適した、新しい包括的探索手法の開発と検証を行うこと。
• 探索空間の縮小とは別に、アルゴリズム設計において補完的役割を果たす新たな経験的評価指標「秘密コードが候補手順として選ばれる確率」を提案すること。
• より大きな問題例に対して包括的手法のスケーラビリティと計算上の実行可能性を評価し、今後の非包括的手法の設計を支援すること。

提案手法

• 一貫した集合の絞り込みとヒューリスティックスコアに基づく手順選択を用いて、複数の包括的探索アルゴリズムを経験的に比較する。
• 探索空間の縮小と解の包含を両立させるために、エントロピーとマストパーツのヒューリスティクスを組み合わせたハイブリッドスコアリング関数を導入する。
• 実際に可能な限り真の解を含む手を優先する「Plus2」という新手法を実装し、耐障害性を向上させる。
• 平均手数、探索空間の縮小、および秘密コードが候補手順として選ばれる確率という3つの指標を用いてアルゴリズムのパフォーマンスを測定する。
• 小規模な問題例（κ=6,ℓ=4 および κ=8,ℓ=4）を用いた経験的テストにより、新戦略の有効性を検証する。
• 今後の非包括的手法（例：進化的アルゴリズム）が、一貫した集合サイズに基づいた新しいスコアリング関数とサンプルサイズのヒューリスティクスを活用すべきであると提言する。

実験結果

リサーチクエスチョン

• RQ1 候補手順に真の解が含まれることで、マスターマインドにおける包括的探索性能が顕著に向上するか？
• RQ2 従来の探索空間縮小ヒューリスティクスと比較して、秘密コードが候補手順として選ばれる確率は、アルゴリズム効率を導く上でどの程度の役割を果たすか？
• RQ3 エントロピーとマストパーツを組み合わせたハイブリッドスコアリング戦略は、古典的手法を上回る解法の速度と耐障害性を達成できるか？
• RQ4 新手法はどの程度大きな問題例（例：κ=8,ℓ=4）にスケーリング可能か。また、計算上のボトルネックは何か？
• RQ5 得られた知見をどのように活用し、より大きなマスターマインド問題を解くために進化的アルゴリズムなどの非包括的探索戦略を改善できるか？

主な発見

• 真の解が候補手順に含まれることで、探索性能が顕著に向上する。これは最高スコアが保証され、即時成功の可能性が高まるためである。
• 真の解を含む手を優先する「Plus2」手法は、テストした問題サイズすべてにおいて、最良の古典的手法と同等またはそれ以上の性能を示した。
• エントロピーとマストパーツの両方を組み合わせたハイブリッドスコアリングは、単独で使用するよりも優れた結果をもたらし、特に探索空間の縮小と解の包含の両立に優れている。
• 秘密コードが候補手順として選ばれる確率は、アルゴリズム設計においてこれまで軽視されがちだった重要な指標であり、探索空間の縮小と併せて考慮すべきである。
• κ=6,ℓ=4 の場合、アルゴリズムは約0.5秒で実行可能。κ=8,ℓ=4 の場合、約5秒で実行可能であり、一貫した集合内の2次比較に起因する非線形な時間増加が生じていることが示された。
• 一貫した集合のサイズは問題サイズに応じて増加するが、同時に真の解が含まれる確率も上昇するため、スケーラビリティや将来のアルゴリズム設計に影響を与える複雑なトレードオフが生じている。