[论文解读] An Optimal Mastermind (4,7) Strategy and More Results in the Expected Case

Geoffroy Ville|arXiv (Cornell University)|May 5, 2013

graph theory and CDMA systems参考文献 10被引用 4

一句话总结

本文提出了一种针对4个珠子和7种颜色的猜数字游戏（MM(4,7)）在期望情况下的最优策略，平均仅需4.676次猜测。该方法采用深度优先的分支限界算法，结合紧密的上界估计、动态下界评估以及基于对称性的猜测等价性检测，高效地剪枝搜索空间，从而找到最小的期望猜测次数。

ABSTRACT

This paper presents an optimal strategy for solving the 4 peg-7 color Mastermind MM(4,7) in the expected case (4.676) along with optimal strategies or upper bounds for other values. The program developed is using a depth-first branch and bound algorithm relying on tight upper bound, dynamic lower bound evaluation and guess equivalence to prune symmetric tree branches.

研究动机与目标

• 确定MM(4,7)变体在期望情况下的最优解，其中从7种颜色中选择4个珠子。
• 将先前关于经典MM(4,6)游戏的期望最优策略研究扩展至更复杂的配置。
• 开发并应用算法优化技术，如动态下界评估和猜测等价性检测，以减少搜索空间并提升计算效率。
• 为其他MM(p,c)配置（包括MM(5,8)）提供紧密的上界估计，并探索代码分布与零色使用中的理论规律。

提出的方法

• 使用深度优先的分支限界算法系统地探索游戏树，同时剪枝次优分支。
• 在每次搜索开始时计算紧密的上界，以指导剪枝过程并减少不必要的探索。
• 在执行过程中应用动态下界评估，根据不断变化的约束条件进一步限制搜索空间。
• 利用颜色对称性检测猜测等价性，使算法可将等价猜测视为单一代表，避免重复计算。
• 采用签名方案高效表示和比较代码集合，从而在每一步减少需检查的不同代码数量。
• 算法使用Perl实现，以兼顾灵活性与快速原型开发，但指出在更大规模问题上存在性能瓶颈。

实验结果

研究问题

• RQ1 解决MM(4,7)所需的最小期望猜测次数是多少？何种策略可实现该目标？
• RQ2 如何利用猜测中的对称性与等价性来降低求解猜数字游戏的计算复杂度？
• RQ3 在颜色数少于珠子数的情况下，'零色'（即未使用的颜色）在区分剩余代码中的作用是什么？
• RQ4 能否为MM(p,c)配置（尤其是MM(5,8)）建立比MM(4,7)更紧的上界？
• RQ5 代码分布的结构性质（如所用颜色数）如何影响最优策略及期望猜测次数？

主要发现

• MM(4,7)的最优期望解平均仅需4.676次猜测，这是目前该配置下已知的最低平均值。
• 该策略基于深度优先的分支限界算法，结合动态下界评估与对称性感知剪枝。
• 对于MM(4,7)，可能的代码总数为2,401种，共有14种可能的答案等级（黑白珠子组合）。
• 本研究为多个其他MM(p,c)配置提供了最优策略或紧密上界，包括MM(4,6)、MM(5,8)以及p≤7的多种(p,c)组合。
• 研究结果提出一个猜想：当c ≥ p−1时，MM(p,c) = MMe(p,c)，表明当颜色数量相对于珠子数较少时，零色成为区分代码的必要手段。
• 论文识别出潜在的算法改进方向，如两阶段搜索（先寻找最优L，再寻找解），并建议未来工作应使用更高效的编程语言，并借助外部程序缓存和重用中间结果。